Page 67 - REVISTA_Naranjo_Jaramillo

1977 - Stephen Grossberg. Teoría de la resonancia
versátil (ART).

1980 - Kunihiko Fukushima. Fomentó un modelo
neuronal para el reconocimiento de ejemplos visuales.

Actualmente se ha trabajado mucho y hay empresas
que han lanzado nuevos productos al mercado

2. Metodología
El presente artículo se realiza una investigación Figura 3: Reconocimiento.
formativa sobre la red neuronal sigue la ruta
cuantitativa con un enfoque descriptivo. La Fig. 3 es un ejemplo de un mecanismo de
reconocimiento de patrones, los diferentes rasgos son
Se realizo una revisión sistemática de la investigación procesados simultáneamente y se elabora una
siguiente metodologías propuestas, a su vez se respuesta.
recopilaron artículos, revistas, páginas web entre otras.
El desarrollo de computadoras y programas basados en
2.1 Definiciones de una red neuronal procesamiento paralelo pronto significaría una
revolución en la computación. Se han desarrollado
La red neuronal es un método computacional que varias estructuras similares a neuronas como parte de
simula el comportamiento de las neuronas durante el un hardware informático complejo.
aprendizaje. Uno de los desafíos de la inteligencia
artificial es resolver problemas de reconocimiento de Sin embargo, la aplicación más común es simular estos
patrones. es decir, una de las habilidades que (las mecanismos de aprendizaje mediante programas
máquinas inteligentes "deben imitar al cerebro comerciales. Entre estas últimas ofertas se encuentran
humano) es la capacidad de asociar un conjunto de las reseñas.
características con una idea o un concepto.
2.2 Ventajas que ofrecen la red neuronal
En cambio, una red neuronal se [hace de elementos
interconectados (neuronas) que reciben información y Como hemos dicho, las redes neuronales, según su
desarrollan la señal transmitida hasta que se genera estructura y trasfondo, tienen grandes similitudes con
una respuesta. Como se explicará en la siguiente el cerebro. Por ejemplo, pueden aprender de la
sección. Posteriormente, estos sistemas aprenden de experiencia, generalizar casos anteriores a casos
los medios de los ejemplos, adaptando cada conexión nuevos, abstraer características esenciales de
para enlazar entre sí sin error, ingrese datos con su elementos que presentan información no relacionada.
categoría correspondiente.
Los beneficios incluyen: Tienen la capacidad de
aprender a realizar tareas basadas en la formación
Su naturaleza es bastante diferente a la de los métodos inicial (aprendizaje adaptativo). De esta forma, la
estadísticos multivariados en que mediante diferentes
máquina puede aprender a realizar determinadas tareas
técnicas una variable dependiente o variable de entrenando con ejemplos ilustrativos, por lo que no es
respuesta puede describirse como una función de un
necesario poner los modelos a priori.
conjunto de variables, combinación de variables
independientes o predictivas. Las redes neuronales permiten la autoorganización de
lo aprendido mientras que el aprendizaje es la
En una red neuronal, no se imponen condiciones a la modificación de elementos procedimentales
distribución de los datos, estos datos pueden tener una individuales, la autoorganización es la modificación
gran variación o incluso ser ambiguos o estar presentes de toda la red neuronal para lograr un objetivo
"(ruido"). Es posible que tengan diferentes efectos en particular.
función de los valores de otras variables.
Además, las redes neuronales son tolerantes a fallos.
Fueron los primeros métodos computacionales con
Debido a su funcionalidad específica, estos sistemas esta habilidad inherente. De esta forma, si el fallo se
tienen una capacidad especial para aprender de una produce en un número reducido de neuronas, aunque
gran cantidad de ejemplos, ser capaces de predecir el comportamiento del sistema se vea afectado, no se
patrones y tendencias y descubrir relaciones sutiles bloqueará de forma repentina.
entre datos. Material. Estas capacidades podrían hacer
de las redes neuronales una valiosa ayuda para el Una de las principales prioridades de las redes
diagnóstico. neuronales es que pueden operar en tiempo real. Las
redes neuronales funcionan a través de conexiones
paralelas, lo que permite altas velocidades de
transmisión y respuestas casi instantáneas.

66