Page 27 - Revista tecnologica y cientifica

son procesados en el soma y transmitidos por el axón, ocultas. El concepto de Deep Learning nació del uso
que envía el impulso nervioso a las neuronas vecinas. de una gran cantidad de capas ocultas en la red.
A nivel esquemático, una neurona artificial se 1.2 Historia de las redes neuronales
representa del siguiente modo:
Ser capaz de diseñar y fabricar máquinas que puedan
ejecutar procesos con cierto grado de inteligencia ha
sido siempre uno de los principales objetivos de los
científicos en la historia.
1936 - Alan Turing. No tardó en concentrarse en el
cerebro como perspectiva del universo de registro.
Warren McCulloch, y Walter Pitts: Mostraron una
organización neuronal sencilla utilizando circuitos
eléctricos.
Figura 1: Nivel esquemático de una neurona artificial.
La Fig. 1 emula un sistema nervioso de una 1950 - Karl Lashley. Observó que los datos se
adaptabilidad al entrono, memoria distribuida. difundían por la mente.
En el caso de las neuronas artificiales, la suma de las 1956 - Congreso de Dartmouth. Se hace referencia a
entradas multiplicadas por sus pesos asociados este congreso para mostrar la introducción a la
determina el "impulso nervioso" que recibe la neurona. inteligencia artificial.
Este valor se procesa dentro de la célula mediante una 1957 - Frank Rosenblat. Inició la mejora del
función de activación que devuelve un valor enviado a Perceptrón, la organización neuronal más veterana.
la salida de la neurona.
1960 - Bernard Widrow. Impulsó el modelo Adaline,
De la misma manera que nuestro cerebro está formado la principal organización neuronal aplicada a un tema
por neuronas interconectadas, una red de neuronas genuino.
artificiales está formada por neuronas artificiales
interconectadas y se agrupan en diferentes niveles 1961 - Karl Steinbeck: Organización neuronal para el
llamados capas: reconocimiento especializado básico.
“Una capa es una colección de neuronas cuya entrada 1974 - Paul Werbos. Fomentó el pensamiento
proviene de la capa anterior (o datos de entrada en el fundamental del cálculo del aprendizaje.
caso de la primera capa) primero) y su salida es la 1977 - Stephen Grossberg. Teoría de la resonancia
entrada de la siguiente capa" [1]. versátil (ART).
En la siguiente imagen podemos ver una red con 1980 - Kunihiko Fukushima. Fomentó un modelo
cuatro capas: 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
formativa sobre la red neuronal sigue la ruta
cuantitativa con un enfoque descriptivo.
Figura 2: Red con cuatro capas. Se realizó una revisión sistemática de la investigación
siguiente metodologías propuestas, a su vez se
La Fig. 2 ejemplo de red de cuatro capaz, de entrada, recopilaron artículos, revistas, páginas web entre otras.
salida y capaz ocultas.

Las neuronas de la primera capa reciben datos reales 2.1 Definiciones de una red neuronal
que alimentan la red neuronal como entrada. Por eso La red neuronal es un método computacional que
la primera capa se llama capa de entrada. La salida de simula el comportamiento de las neuronas durante el
la última capa es el resultado visible de la red, por eso aprendizaje. Uno de los desafíos de la inteligencia
la última capa se llama capa de salida. Las capas entre artificial es resolver problemas de reconocimiento de
las capas de entrada y salida se denominan capas patrones. es decir, una de las habilidades que (las
ocultas porque no conocemos los valores de entrada y máquinas inteligentes "deben imitar al cerebro
salida. humano) es la capacidad de asociar un conjunto de
Por lo tanto, una red neuronal siempre consta de una características con una idea o un concepto.
capa de entrada, una capa de salida (si solo hay una En cambio, una red neuronal se [hace de elementos
capa en la red neuronal, la capa de entrada corresponde interconectados (neuronas) que reciben información y
a la capa de salida) y puede contener 0 o más capas desarrollan la señal transmitida hasta que se genera
una respuesta. Como se explicará en la siguiente
27