Page 44 - Trabajo EBOOK
P. 44
43
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 Figura 3: Reconocimiento.
cuantitativa con un enfoque descriptivo.
La Fig. 3 es un ejemplo de un mecanismo de
Se realizo una revisión sistemática de la investigación reconocimiento de patrones, los diferentes rasgos son
siguiente metodologías propuestas, a su vez se procesados simultáneamente y se elabora una
recopilaron artículos, revistas, páginas web entre otras. respuesta.
2.1 Definiciones de una red neuronal El desarrollo de computadoras y programas basados en
procesamiento paralelo pronto significaría una
La red neuronal es un método computacional que revolución en la computación. Se han desarrollado
simula el comportamiento de las neuronas durante el varias estructuras similares a neuronas como parte de
aprendizaje. Uno de los desafíos de la inteligencia un hardware informático complejo.
artificial es resolver problemas de reconocimiento de
patrones. es decir, una de las habilidades que (las Sin embargo, la aplicación más común es simular estos
máquinas inteligentes "deben imitar al cerebro mecanismos de aprendizaje mediante programas
humano) es la capacidad de asociar un conjunto de comerciales. Entre estas últimas ofertas se encuentran
características con una idea o un concepto. las reseñas.
En cambio, una red neuronal se [hace de elementos 2.2 Ventajas que ofrecen la red neuronal
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
Su naturaleza es bastante diferente a la de los métodos aprender a realizar tareas basadas en la formación
estadísticos multivariados en que mediante diferentes inicial (aprendizaje adaptativo). De esta forma, la
técnicas una variable dependiente o variable de máquina puede aprender a realizar determinadas tareas
respuesta puede describirse como una función de un entrenando con ejemplos ilustrativos, por lo que no es
conjunto de variables, combinación de variables necesario poner los modelos a priori.
independientes o predictivas.
Las redes neuronales permiten la autoorganización de
En una red neuronal, no se imponen condiciones a la lo aprendido mientras que el aprendizaje es la
distribución de los datos, estos datos pueden tener una modificación de elementos procedimentales
gran variación o incluso ser ambiguos o estar presentes individuales, la autoorganización es la modificación
"(ruido"). Es posible que tengan diferentes efectos en de toda la red neuronal para lograr un objetivo
función de los valores de otras variables.
particular.
Debido a su funcionalidad específica, estos sistemas Además, las redes neuronales son tolerantes a fallos.
tienen una capacidad especial para aprender de una Fueron los primeros métodos computacionales con
gran cantidad de ejemplos, ser capaces de predecir esta habilidad inherente. De esta forma, si el fallo se
patrones y tendencias y descubrir relaciones sutiles produce en un número reducido de neuronas, aunque
entre datos. Material. Estas capacidades podrían hacer el comportamiento del sistema se vea afectado, no se
de las redes neuronales una valiosa ayuda para el bloqueará de forma repentina.
diagnóstico.
Una de las principales prioridades de las redes
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.
Las neuronas pueden reconocer patrones no
aprendidos, solo necesitan tener algunas similitudes
con el conocimiento previo de la red. En otras