redes neuronales - manuel avalos luengo
DESCRIPTION
control de procesosTRANSCRIPT
![Page 1: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/1.jpg)
Redes Neuronales Artificiales
![Page 2: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/2.jpg)
¿Que son las Redes Neuronales Artificiales?
Las redes neuronales artificiales son sistemas paralelos para el procesamiento de la información, éstas tratan de resolver en forma eficiente problemas y a su vez representar el conocimiento de un modo conexionista y adaptativo. Se denomina también neuro computación y se compone de capas agrupadas en donde varias redes más los interfaces del entorno conforman el sistema global denominado red neuronal que está confeccionado y entrenado para llevar a cabo una labor específica.
![Page 3: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/3.jpg)
¿Como se origina la idea de este sistema?
Alan Turing, en 1936, fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación
![Page 4: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/4.jpg)
=
Entonces Nace la IDEA
![Page 5: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/5.jpg)
Funcionamiento básico
Neurona Artificial:
Grupo de entradas (x) Pesos sinápticos (w) Función suma (net) Función de activación (act) Una única salida (y) Funcionamiento en modo aprendizaje o
ejecución
![Page 6: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/6.jpg)
Tipos de Redes Neuronales
![Page 7: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/7.jpg)
Red simple: Esta red tiene M entradas y N neuronas, cada una de las M entradas está conectada a las N neuronas, las neuronas no están conectadas entre sí, y se limitan a calcular una respuesta para las entradas. La salida de la redes un vector de N componentes.
![Page 8: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/8.jpg)
Red con elementos de asociación: Como un complemento de la red simple, se puede agregar unas unidades de asociación en las cuales se combinan las entradas, y los resultados de las combinaciones son las entradas de las neuronas, las cuales calculan la salida de la red.
![Page 9: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/9.jpg)
Redes multicapas: En este modelo de red neuronal se agrupan las neuronas o unidades de procesamiento en capas, lo que le brinda gran poder y robustez. La capa de entrada esta conformada por tantas neuronas como entradas tenga el sistema, la capa salida así mismo tiene tantas neuronas como salidas se espere que tenga el sistema, pero la capa oculta no tiene un número fijo de capas o neuronas.
![Page 10: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/10.jpg)
Modelo interactivo: Se tiene un conjunto de N neuronas que se conectan todas entre sí, es decir todas las unidades sirven como unidades de entrada y como neuronas para calcular la salida. Cada una de las unidades es alimentada con una entrada y se recalculan los valores de la entrada hasta que el sistema llegue a un estado estable.
Salida
![Page 11: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/11.jpg)
PRINCIPALES TIPOS DE REDES NEURONALES
• PERCEPTRON• ADALINE• BACKPROPAGATION• APRENDIZAJE ASOCIATIVO
![Page 12: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/12.jpg)
• PERCEPTRON
Esta consistía en una suma de las señales de entrada, multiplicadas por unos valores de pesos escogidos aleatoriamente. La entrada es comparada con un patrón pre establecido para determinar la salida de la red. Si en la comparación, la suma de las entradas multiplicadas por los pesos es mayor o igual que el patrón pre establecido la salida de la red es uno (1), en caso contrario la salida es cero (0).
![Page 13: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/13.jpg)
• ADALINE
La red Adaline es similar al Perceptrón, excepto en su función de transferencia, la cual es una función de tipo lineal en lugar de un limitador fuerte como en el caso del Perceptrón. Sin embargo el algoritmo LMS es más potente que la regla de aprendizaje del Perceptrón ya que minimiza el error medio cuadrático.
![Page 14: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/14.jpg)
• BACKPROPAGATION
Estas redes tienen la desventaja que solo pueden resolver problemas linealmente separables, fue esto lo que llevo al surgimiento de las redes multicapa para sobrepasar esta dificultad en las redes hasta entonces conocidas. La Backpropagation es un tipo de red de aprendizaje supervisado, que emplea un ciclo propagación - adaptación de dos fases. Una vez que se ha aplicado un patrón a la entrada de la red como estímulo, este se propaga desde la primera capa a través de las capas superiores de la red, hasta generar una salida. La señal de salida se compara con la salida deseada y se calcula una señal de error para cada una de las salidas.
![Page 15: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/15.jpg)
APRENDIZAJE ASOCIATIVO
no requieren influencia externa para ajustar los pesos de las conexiones entre sus neuronas, la red no recibe ninguna información por parte del entorno que le indique si la salida generada en respuesta a una determinada entrada es o no correcta, por ello suele decirse que estas redes son capaces de auto organizarse.
![Page 16: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/16.jpg)
Aplicaciones
![Page 17: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/17.jpg)
Sistemas y diseños Probabilisticos
![Page 18: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/18.jpg)
Predicción del Tiempo y clima
![Page 19: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/19.jpg)
Aplicaciones Microsoft Office Excel
Cálculos de ΔH, ΔS, llama Adiabática
![Page 20: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/20.jpg)
PYTHIA: Editor y Creador de Redes Neuronales
![Page 21: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/21.jpg)
![Page 22: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/22.jpg)
Composición química del acero (% en peso)
Propiedades mecánicas del acero
Características técnicas del equipo de soldadura
Redes Neuronales Aplicadas en Soldaduras
![Page 23: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/23.jpg)
Oscilograma de ultrasonidos de una soldadura fría.
Macrografía de la sección transversal de una soldadura fría.
![Page 24: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/24.jpg)
Oscilograma de ultrasonidos de una falta de soldadura.
Macrografía de la sección transversal de una falta de soldadura.
![Page 25: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/25.jpg)
Curvas MSE de entrenamiento y MSE de validación-número de neuronas en las capas ocultas.
![Page 26: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/26.jpg)
Determinación del número de neuronas en lascapas ocultas de la RNA
![Page 27: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/27.jpg)
Otras Aplicaciones de las Redes Neuronales
Biología: Aprender más acerca del cerebro y otros sistemas. Obtención de modelos de la retina. Empresa: Reconocimiento de caracteres escritos. Identificación de candidatos para posiciones específicas. Optimización de plazas y horarios en líneas de vuelo. Explotación de bases de datos: Evaluación de probabilidad de formaciones geológicas y
petrolíferas. Síntesis de voz desde texto. Medio Ambiente: Analizar tendencias y patrones. Previsión del tiempo.
![Page 28: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/28.jpg)
Finanzas: Previsión de la evolución de los precios. Valoración del riesgo de los créditos. Manufacturación: Robots automatizados y sistemas de control (visión
artificial y sensores de presión, temperatura, gas, etc.) Control de producción en líneas de proceso: Inspección de calidad. Filtrado de señales.
![Page 29: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/29.jpg)
Medicina: Analizadores del habla para la ayuda de audición de sordos
profundos. Diagnóstico y tratamiento a partir de síntomas y/o de datos
analíticos (encefalograma). Lectoras de Rayos X. Entendimiento de causa de ataques epilépticos.
Militares: Clasificación de las señales de radar. Creación de armas inteligentes. Optimización del uso de recursos escasos
![Page 30: Redes Neuronales - Manuel Avalos Luengo](https://reader035.vdocuments.pub/reader035/viewer/2022081417/563db8a9550346aa9a95bee1/html5/thumbnails/30.jpg)
Gracias por su ATENCIÓN