UNIDAD 5.1

PERCEPTRON

INTRODUCCIÓN

En esta unidad se ha tratado todo respecto a las redes neuronales biológicas y artificiales es por esto que este tema presentaremos al llamado perceptron que no es mas que un modelo de tipo de red neuronal,donde realiza un sinnúmero de procedimiento para llegar a una solución factible, siendo utilizado todo lo que compete con señales de ondas. 

PERCEPTRON

Es una red neuronal inventada por Frank Rosenblatt en 1957. Su primera funcion era ilustrar propiedades necesarias para los sistemas inteligentes.

Como demuestra  la figura, la mayoría delas redes neuronales tienen gran similitud.

CARACTERÍSTICAS PRINCIPALES DEL PERCEPTRON SIMPLE

• Fue introducido por Frank Rosenblatt.
•  Sistema capaz de realizar tareas de clasificación de forma automática.
• A partir de un número de ejemplos etiquetados, el sistema determina la ecuación del plano discriminante.
• Puede usarse como neurona dentro de otro tipo de red de neurona artificial.
• Aprendizaje supervisado y conexiones en un sólo sentido.
• Es reconocido por su capacidad de aprender a reconocer patrones
• Es un modelo unidireccional compuesto por dos capas de neuronas.
• Con respecto al entrenamiento las neuronas de entrada son discretas y la función de activación de las de salida es de tipo escalón.

ESTRUCTURA DE PERCEPTRON SIMPLE

Estructura de una neurona perceptron

CONCLUSIÓN

Para dar fin a este tema se puede concluir que perceptron también forma parte de las llamadas red de neuronas artificiales, siendo creado para facilitar trabajos con mayor complejidad y llegar a una mejor solución de un problema planteado. 

BIBLIOGRAFÍA

Pedro ,V e Ines , G. 2004. Redes de neuronas artificiales un Enfoque Práctico. 2 ed. España. Pearson Education. p 45-50. 

Russell, S y Norvig, P. 2013. Inteligencia Artificial, Un Enfoque moderno: Agentes Inteligentes. 2da Ed.

UNIDAD 5

APRENDIZAJE

Clase # 2

INTRODUCCIÓN

Como en la mayoría de este blog se ha venido hablando de las investigaciones que hicieron posible lo que hoy llamamos inteligencia artificial junto con sus campos mas innovador que es la redes de neuronas artificiales, bien estas neuronas están desarrolladas para resolver distintas problemáticas del mundo real y trabajan con bajas capacidades de procesamiento cognitivo, donde se dice que poseen un alto grado de conectividad entre si, siendo identificadas por su pesos. Es por esto que a continuación se dará a conocer una breve información de lo tratado en clase como es el caso del aprendizaje, que es muy indispensable esta temática dentro de una red neuronal de neuronas artificiales.

MARCO TEÓRICO

APRENDIZAJE

Una red neuronal modifica sus pesos en respuestas es decir tiene información de entrada y esto se considera un proceso de aprendizaje. Dentro del aprendizaje pueden existir cambios durante el proceso de aprendizaje como la destrucción, modificación y creación de conexiones entre las neuronas.

                  W = 0 Destrucción                               W › 0 Creación 

                        Aprendizaje

Descripción gráfica de un robots demostrando su aprendizaje

El aprendizaje esta dado por un esquema de una red que determina el tipo de problemas que sera capaz de resolver, con se muestra en la imagen el niño robots esta identificando las esferas por sus colores. Y como las redes de neuronas artificiales son sistemas de aprendizaje basado en ejemplos se esta demostrando para que se creado.

CARACTERÍSTICAS DE APRENDIZAJE 

El proceso de aprendizaje debe poseer la características que mencionaremos a continuación:

Ser significativo: Esta característica debe tener un numero suficiente de ejemplos, si se reduce el conjunto de aprendizaje la red no sera capaz de adaptar sus pesos en forma efectiva.

Ser representativo: Al ser de este tipo los componentes del conjunto de aprendizaje deberán ser diversos y si el conjunto de aprendizaje tiene muchos mas ejemplos de un mismo tipo que el resto, se puede decir que la red se especializara en dicho subconjunto de datos y no sera de aplicación general.

PASOS DE FINALIZACIÓN DE PERIODOS DE APRENDIZAJE

1. Mediante un numna ero fijo de ciclos
2. Cuando el error descienda por debajo de una cantidadpreestablecida
3. Cunado la modificación de los pesos sea irrelevante

CONCLUSIÓN

Para finalizar este tema se puede decir que dentro de la redes neuronales es muy indispensable los modelos computacionales que ayudan a fomentar bueno resultados en la solución de un problema y de igual manera esto va acompañado del aprendizaje que importante dentro del desarrollo de las redes neuronales artificial.

BIBLIOGRAFÍA

Gómez, F; Fernández, M; López, M; Díaz, M. 2004.   Aprendizaje   con    redes. 

Salas, R.  2008.  Redes  Neuronales  Artificiales.  (En línea).  Formato PDF.

Consultado el 12 de ene. 2016. Disponible en: http://www.inf.utfsm.cl/~rsalas/Pagina_Investigacion