Page 65 - ACTUALIDAD

1977 - Stephen Grossberg. Teoría de la resonancia de las redes neuronales una valiosa ayuda para el
versátil (ART). diagnóstico.
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 Figura 3: Reconocimiento.
recopilaron artículos, revistas, páginas web entre otras.
La Fig. 3 es un ejemplo de un mecanismo de
2.1 Definiciones de una red neuronal reconocimiento de patrones, los diferentes rasgos son
procesados simultáneamente y se elabora una
La red neuronal es un método computacional que respuesta.
simula el comportamiento de las neuronas durante el
aprendizaje. Uno de los desafíos de la inteligencia El desarrollo de computadoras y programas basados en
artificial es resolver problemas de reconocimiento de procesamiento paralelo pronto significaría una
patrones. es decir, una de las habilidades que (las revolución en la computación. Se han desarrollado
máquinas inteligentes "deben imitar al cerebro varias estructuras similares a neuronas como parte de
humano) es la capacidad de asociar un conjunto de un hardware informático complejo.
características con una idea o un concepto.
En cambio, una red neuronal se [hace de elementos Sin embargo, la aplicación más común es simular estos
interconectados (neuronas) que reciben información y mecanismos de aprendizaje mediante programas
desarrollan la señal transmitida hasta que se genera comerciales. Entre estas últimas ofertas se encuentran
una respuesta. Como se explicará en la siguiente las reseñas.
sección. Posteriormente, estos sistemas aprenden de
los medios de los ejemplos, adaptando cada conexión 2.2 Ventajas que ofrecen la red neuronal
para enlazar entre sí sin error, ingrese datos con su
categoría correspondiente. Como hemos dicho, las redes neuronales, según su
estructura y trasfondo, tienen grandes similitudes con
Su naturaleza es bastante diferente a la de los métodos el cerebro. Por ejemplo, pueden aprender de la
estadísticos multivariados en que mediante diferentes experiencia, generalizar casos anteriores a casos
técnicas una variable dependiente o variable de nuevos, abstraer características esenciales de
respuesta puede describirse como una función de un elementos que presentan información no relacionada.
conjunto de variables, combinación de variables
independientes o predictivas. Los beneficios incluyen: Tienen la capacidad de
aprender a realizar tareas basadas en la formación
En una red neuronal, no se imponen condiciones a la inicial (aprendizaje adaptativo). De esta forma, la
distribución de los datos, estos datos pueden tener una máquina puede aprender a realizar determinadas tareas
gran variación o incluso ser ambiguos o estar presentes entrenando con ejemplos ilustrativos, por lo que no es
"(ruido"). Es posible que tengan diferentes efectos en necesario poner los modelos a priori.
función de los valores de otras variables.
Las redes neuronales permiten la autoorganización de
Debido a su funcionalidad específica, estos sistemas lo aprendido mientras que el aprendizaje es la
tienen una capacidad especial para aprender de una modificación de elementos procedimentales
gran cantidad de ejemplos, ser capaces de predecir individuales, la autoorganización es la modificación
patrones y tendencias y descubrir relaciones sutiles de toda la red neuronal para lograr un objetivo
entre datos. Material. Estas capacidades podrían hacer particular.

Además, las redes neuronales son tolerantes a fallos.
Fueron los primeros métodos computacionales con
esta habilidad inherente. De esta forma, si el fallo se
produce en un número reducido de neuronas, aunque
el comportamiento del sistema se vea afectado, no se
bloqueará de forma repentina.
Una de las principales prioridades de las redes
neuronales es que pueden operar en tiempo real. Las
redes neuronales funcionan a través de conexiones

63