Sistemas Inteligentes y

Redes Neuronales

Prof. Christian Flores

INTELIGENCIA ARTIFICIAL Y REDES
NEURONALES

•Objetivos.
•Inteligencia Artificial.
•Conceptos de Redes Neuronales
Artificiales.
•Logica Difusos.
•Computación Evolutiva.
 OBJETIVO GENERAL

•Iniciaral alumno en el campo de las redes

neuronales, los sistemas difusos y algoritmos
genéticos, aplicando estas tecnologías en el
control automático de procesos.
INTELIGENCIA ARTIFICIAL Y REDES NEURONALES

La Inteligencia Artificial comenzó como el

resultado de la investigación en psicología
cognitiva y lógica matemática.
 INTELIGENCIA ARTIFICIAL

•Sepuede definir como el estudio de las facultades

mentales a través del uso de modelos
computacionales (Mccrathy, Minsky, Newell,
Simon).

•Según Hayes, la inteligencia Artificial es la

implementación de razonamientos inteligentes
mediante técnicas propias de la computación.
 INTELIGENCIA ARTIFICIAL Y REDES
NEURONALES

Redes Neuronales.

Lógica Difusa.

Algoritmos Genéticos.
 Redes Neuronales RNA
El objetivo principal de las redes neuronales de
tipo biológico es desarrollar un elemento
sintético para verificar las hipótesis que
conciernen a los sistemas biológicos.
Redes Neuronales RNA
Aprendizaje

Aprendizaje supervisado.

Aprendizaje no supervisado.

Ventajas

Aprendizaje.

Auto organización.

Tolerancia a fallos.

Flexibilidad.

Tiempo real.
 Aplicaciones RNA
•Clasificación
de datos
•Reconocimiento de patrones de voz,
imágenes, señales, etc.
•Reconocimiento de textos manuscritos
Lógica Difusa
•La lógica difusa o lógica heurística se basa
en lo relativo de lo observado.
•La clave de esta adaptación al lenguaje, se
basa en comprender los cuantificadores de
nuestro lenguaje (en los ejemplos de arriba
"mucho", "muy" y "un poco").
Aplicaciones de Lógica Difusa

•Sistemas de control de
acondicionadores de aire.
•Electrodomésticos.
•Optimización de sistemas de control
industriales.
•El metro japonés, con excelentes
resultados.
Computación Evolutiva

La computación evolutiva es una rama de
la inteligencia artificial que involucra
problemas de optimización combinatoria.
Se inspira en los mecanismos de la
Evolución biológica.

Algoritmos Evolutivos:

Programación evolutiva: representación de
individuos.

Estrategias Evolutivas : Adaptación y
evolución.

Algoritmos genéticos.
 Algoritmos Genéticos (AG)
•En 1970, de la mano de John Henry Holland,
surgió una de las líneas más prometedoras
de la inteligencia artificial, la de los
algoritmos genéticos.
• Cromosoma (serie binaria).
•Evolución biológica.
•Generaciones.
•Operadores Genéticos: mutaciones,
Elitismo.
•Recombinaciones genéticas.
Aplicaciones AG
•Optimización de carga de contenedores.
•Diseño de sistemas de distribución de
aguas.
•Diseño de topologías de circuitos impresos.
•Diseño de topologías de redes
computacionales.
•Optimización de Layout.
•Predicción de estructura de RNA.
•En bioinformática, Alineamiento múltiple de
secuencias.
Bibliografía
•Martíndel Brio (2006) Redes Neuronales y
Sistemas Borrosos, Editorial Ra-Ma.

•Martin-sanz; (2005) Inteligencia artificial e

ingeniería del conocimiento, Editorial Ra-Ma

•Simon Haykin, (1994), Neural Networks. A

Comprehensive Foundation, Prentice Hall,
México.