UNIVER|SIDAD DE FUERZAS ARMADAS ESPE

DEPARTAMENTO DE ELCTRICA Y ELECTRNICA

ASIGNATURA: CONTROL INTELIGENTE
Actividad No2. Caracterizacin de las redes neuronales artificiales
Fecha: 20 de diciembre del 2014
Nombre alumno: Mauricio A. Huacho Ch.
NRC:
Redes Neuronales
1.

Qu es una red neuronal artificial?

Una red neuronal artificial son redes de neuronas artificiales y por lo tanto
Una
constituyen una cruda aproximacin de las partes de un cerebro real.
comparada con un cerebro real.

2. Por qu se estudian las redes neuronales?

Se estudian las redes neuronales debido a que:

Son dispositivos computacionales extremadamente potentes (equivalente de

Turing, computadoras universales).
El paralelismo masivo las hacen muy eficientes.
Pueden aprender y generalizar de un entrenamiento de datos, entonces no hay
necesidad de un enorme proceso de programacin.
Son particularmente tolerantes a fallas, esto es equivalente a encontrar una
agraciada degradacin en sistemas biolgicos.
Son muy tolerantes al ruido, entonces pueden luchar con situaciones donde
los sistemas biolgicos normales pueden tener dificultades.
En un principio, no pueden hacer cualquier cosa que un sistema
lgico/biolgico haga, y ms

Pgina 1

3. En qu consiste el aprendizaje de las redes neuronales?

Hay muchas formas de redes neuronales. La mayora opera por el paso de activaciones
neurales a travs de redes de neuronas conectadas.
Una de las caractersticas ms potentes de una red neuronal es su habilidad de aprender
y generalizar desde un conjunto de datos de entrenamiento. Adaptan la fortaleza/peso
de las conexiones entre neuronas a fin de que la activacin en la salida final sea
correcta.
Hay tres tipos de entrenamiento:
1. Aprendizaje supervisado
2. Aprendizaje de refuerzo
3. Aprendizaje no supervisado

4. Qu acontecimientos son destacables en la historia del desarrollo de las redes

neuronales?

1943: McCulloch y Pitts proponen el modelo neuronal McCulloch-Pitts.

1958: Rosenblatt introdujo una red de simple capa llamada Perceptron.
1969: El libro de perceptrones de Minsky y Papert demostraron las limitaciones de los
perceptrones de simple capa.
1982: Hopfield public una serie de documentos sobre redes Hopfield.
FALTAAA

Pgina 2

5. Compare el cerebro humano con un computador

1. Hay aproximadamente 10 billones de neuronas en la corteza humana,

comparada con 10 de miles de procesadores en la ms potente computadora
paralela.
2. Cada neurona biolgica es conectada a muchas miles de otras neuronas,
similar a la conectividad en potentes computadoras paralelas.
3. La velocidad de operacin tpica de las neuronas biolgicas es medida en
milisegundos, mientras un chip de silicona puede operar en nanosegundos.
4. El cerebro humano es extremadamente eficiente energticamente, usando
aproximadamente 10-16 joules por segundo por operacin, mientras que la
mejor computadora hoy en da usa 10-6 joules por segundo por operacin.
5. Los cerebros han evolucionado por 10 millones de aos, las computadoras han
evolucionado por decenas de dcadas.

6. Compare una neurona biolgica con una neurona artificial

1. Una neurona biolgica codifica sus activaciones o salidas como una serie de
pulsos elctricos.
2. El cuerpo de una neurona procesa las activaciones de entrada y las convierte
en activaciones de salida.
3. El ncleo de una neurona contiene el material gentico en forma de DNA,
esto existe en la mayora de tipos de clulas, no solamente en neuronas.
4. Las dendritas son fibras expuestas del cuerpo de la neurona y proveen zonas
que reciben la activacin desde otras neuronas.
5. Las neuronas artificiales son una aproximacin de neuronas reales que
ejecutan una sumatoria simple y una funcin de umbral en sus niveles de
activacin.

Yo Mauricio Huacho afirmo que esta actividad es de mi autora y establezco que para la
elaboracin de la misma he seguido los lineamientos del Cdigo de tica de la Universidad de
las Fuerzas Armdas ESPE.

Pgina 3