Page 43 - E-book Merizalde

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 formativa sobre la red neuronal sigue la ruta cuantitativa con un
enfoque descriptivo.
Se realizo una revisión sistemática de la investigación siguiente metodologías propuestas, a su vez se recopilaron
artículos, revistas, páginas web entre otras.
2.1 Definiciones de una red neuronal
La red neuronal es un método computacional que simula el comportamiento de las neuronas durante el
aprendizaje. Uno de los desafíos de la inteligencia artificial es resolver problemas de reconocimiento de patrones.
es decir, una de las habilidades que (las máquinas inteligentes "deben imitar al cerebro humano) es la capacidad
de asociar un conjunto de características con una idea o un concepto.
En cambio, una red neuronal se [hace de elementos interconectados (neuronas) que reciben información y
desarrollan la señal transmitida hasta que se genera una respuesta. Como se explicará en la siguiente sección.
Posteriormente, estos sistemas aprenden de los medios de los ejemplos, adaptando cada conexión para enlazar
entre sí sin error, ingrese datos con su categoría correspondiente.
Su naturaleza es bastante diferente a la de los métodos estadísticos multivariados en que mediante diferentes
técnicas una variable dependiente o variable de respuesta puede describirse como una función de un conjunto de
variables, combinación de variables independientes o predictivas.
En una red neuronal, no se imponen condiciones a la distribución de los datos, estos datos pueden tener una gran
variación o incluso ser ambiguos o estar presentes "(ruido"). Es posible que tengan diferentes efectos en función
de los valores de otras variables.
Debido a su funcionalidad específica, estos sistemas tienen una capacidad especial para aprender de una gran
cantidad de ejemplos, ser capaces de predecir patrones y tendencias y descubrir relaciones sutiles entre datos.
Material. Estas capacidades podrían hacer de las redes neuronales una valiosa ayuda para el diagnóstico.

Figura 3: Reconocimiento.
La Fig. 3 es un ejemplo de un mecanismo de reconocimiento de patrones, los diferentes rasgos so n procesados
simultáneamente y se elabora una respuesta.
El desarrollo de computadoras y programas basados en procesamiento paralelo pronto significaría una revolución
en la computación. Se han desarrollado varias estructuras similares a neuronas como parte de un hardware
informático complejo.
Sin embargo, la aplicación más común es simular estos mecanismos de aprendizaje mediante programas
comerciales. Entre estas últimas ofertas se encuentran las reseñas.
2.2 Ventajas que ofrecen la red neuronal
Como hemos dicho, las redes neuronales, según su estructura y trasfondo, tienen grandes similitudes con el
cerebro. Por ejemplo, pueden aprender de la experiencia, generalizar casos anteriores a casos nuevos, abstraer
características esenciales de elementos que presentan información no relacionada.

Los beneficios incluyen: Tienen la capacidad de aprender a realizar tareas basadas en la formación inicial
(aprendizaje adaptativo). De esta forma, la máquina puede aprender a realizar determinadas tareas entrenando con
ejemplos ilustrativos, por lo que no es necesario poner los modelos a priori.