ARTIFICIAL NEURAL NETWORKS

INTRODUCCIN
LOS AVANCES EN LOS SISTEMAS INTELIGENTES HAN SIDO INSPIRADOS EN
LAS REDES NEURONALES BIOLOGICAS.
BASTANTES DISIPLIBAS CIENTIFICAS ESTAN DISEANDO REDES
NEURONALES ARTIFICIALES.
PROBLEMAS A RESOLVER:
-PREDICCIN.
-OPTIMIZACIN.
-MEMORIA ASOCIATIVA
-CONTROL
-PATRON DE RECONOCIMENTO.

OFRECEN ALTERNATIVAS INTERESANTES Y MUCHAS APLICACIONES

PODRIAN BENEFICIARSE CON SU USO

POR QU LAS REDES NEURONALES

ARTIFICIALES?
SE ESPERA QUE LOS DISPOSITIVOS BASADOS EN REDES TENGAN
CARACTERISTICAS DESEABLES.
COMPUTADORAS DIGITALES MODERNAS SUPERAN A LOS HUMANOS EN
EL MBITO DE
CLCULO NUMRICO Y LA MANIPULACIN DE SMBOLOS
RELACIONADOS.
LOS SERES HUMANOS PUEDEN RESOLVER FCILMENTE LOS
PROBLEMAS PERCEPTUALES COMPLEJAS (COMO LAS RECONOCERR UN
HOMBRE ENTRE LA MULTITUD DE UNA SIMPLE VISIN DE SU ROSTRO).

LA NEURONA BIOLOGICA Y LA ARQUITECTURA DEL SISTEMA VON

NEUMANN SON COMPLETAMENTE DIFERENTE.

ALGUNOS PROBLEMAS
CLASIFICACION DE PATRONES
-asignar un patrn de entrada (como una forma de onda del habla o smbolo escrito a
mano) representado por un vector de caractersticas de una de las muchas clases
especificadas.
AGRUPACIN
-tambin conocido como modelo de clasificacin no supervisada, no hay datos de
entrenamiento con etiqueta de clase conocida
FUNCION DE APROXIMACIN
-Supongamos que un conjunto de patrones de entrenamiento etiquetados (pares de
entrada y sali-da) se han generado a partir de una funcin desconocida.la tarea de
aproximacin funcin es la de encontrar un estimado, m decir, de la funcin
desconocida m

PREDICCIN
-tiene un impacto significativo en la toma de decisiones en una empresa, la ciencia y la
ingeniera
OPTIMIZACIN
-El objetivo de un algoritmo de optimizacin es encontrar una solucin que satisface un
conjunto de restricciones de tal manera que una funcin objetivo se maximiza o minimiza
CONTROL
-en el modelo de control de referencia adaptativa, los objetivos es generar una entrada de
control de tal manera que el sistema siga una trayectoria deseada determinada por el
modelo de referencia