Page 17 - Proyecto Texto_E-Book_Kevin Cueva & Eyton Samaniego_
P. 17
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.
Se realizo una revisión sistemática de la investigación La Fig. 3 es un ejemplo de un mecanismo de
siguiente metodologías propuestas, a su vez se reconocimiento de patrones, los diferentes rasgos son
recopilaron artículos, revistas, páginas web entre otras. procesados simultáneamente y se elabora una
respuesta.
2.1 Definiciones de una red neuronal
El desarrollo de computadoras y programas basados en
La red neuronal es un método computacional que procesamiento paralelo pronto significaría una
simula el comportamiento de las neuronas durante el revolución en la computación. Se han desarrollado
aprendizaje. Uno de los desafíos de la inteligencia varias estructuras similares a neuronas como parte de
artificial es resolver problemas de reconocimiento de un hardware informático complejo.
patrones. es decir, una de las habilidades que (las
máquinas inteligentes "deben imitar al cerebro Sin embargo, la aplicación más común es simular estos
humano) es la capacidad de asociar un conjunto de mecanismos de aprendizaje mediante programas
características con una idea o un concepto.
comerciales. Entre estas últimas ofertas se encuentran
En cambio, una red neuronal se [hace de elementos las reseñas.
interconectados (neuronas) que reciben información y
desarrollan la señal transmitida hasta que se genera 2.2 Ventajas que ofrecen la red neuronal
una respuesta. Como se explicará en la siguiente
sección. Posteriormente, estos sistemas aprenden de Como hemos dicho, las redes neuronales, según su
los medios de los ejemplos, adaptando cada conexión estructura y trasfondo, tienen grandes similitudes con
para enlazar entre sí sin error, ingrese datos con su el cerebro. Por ejemplo, pueden aprender de la
categoría correspondiente. experiencia, generalizar casos anteriores a casos
nuevos, abstraer características esenciales de
Su naturaleza es bastante diferente a la de los métodos elementos que presentan información no relacionada.
estadísticos multivariados en que mediante diferentes
técnicas una variable dependiente o variable de Los beneficios incluyen: Tienen la capacidad de
respuesta puede describirse como una función de un aprender a realizar tareas basadas en la formación
conjunto de variables, combinación de variables inicial (aprendizaje adaptativo). De esta forma, la
independientes o predictivas. máquina puede aprender a realizar determinadas tareas
entrenando con ejemplos ilustrativos, por lo que no es
En una red neuronal, no se imponen condiciones a la necesario poner los modelos a priori.
distribución de los datos, estos datos pueden tener una
gran variación o incluso ser ambiguos o estar presentes Las redes neuronales permiten la autoorganización de
"(ruido"). Es posible que tengan diferentes efectos en lo aprendido mientras que el aprendizaje es la
función de los valores de otras variables. modificación de elementos procedimentales
individuales, la autoorganización es la modificación
Debido a su funcionalidad específica, estos sistemas de toda la red neuronal para lograr un objetivo
tienen una capacidad especial para aprender de una particular.
gran cantidad de ejemplos, ser capaces de predecir
patrones y tendencias y descubrir relaciones sutiles Además, las redes neuronales son tolerantes a fallos.
entre datos. Material. Estas capacidades podrían Fueron los primeros métodos computacionales con
hacer de las redes neuronales una valiosa ayuda para esta habilidad inherente. De esta forma, si el fallo se
el diagnóstico. 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
17