PROFESOR: JOAQUN SAUCEDO BARAJAS.

PRCTICA 2: Introduccin A Las Redes Neuronales Artificiales

ASIGNATURA: PROGRAMACIN AVANZADA.
ALUMNO: ABRAHAM H. PEDROZA FLORES.
MATRCULA: 095737.
UNIVERSIDAD TECNOLGICA DE TORREN.
INGENIERA MECATRNICA 9 A T.N.

OBJETIVO:

Conocer los conceptos fundamentales de las redes neuronales

artificiales y de manera general su historia.
Identificar las situaciones donde las soluciones basadas en modelos
de RNA son factibles.
Entender el funcionamiento de las arquitecturas ms populares de
RNA.
Conocer aplicaciones actuales de los modelos estudiados.
Conocer la aplicacin de las R.N.A. en el mbito del reconocimiento
de parmetros y prediccin.

MATERIAL Y EQUIPO UTILIZADO:

Matlab R2014a
Laptop

FUNDAMENTO TEORICO:
1. Qu es una red neuronal artificial?
Podramos describir a una Neurona Artificial como una unidad que
posee una caracterstica de entrada/salida e implementa una funcin
que unida a otras unidades interconectadas (neuronas artificiales)
desarrolla un trabajo a travs de una o ms formas de
entrenamiento.
2. En qu aplicaciones pueden utilizarse Redes neuronales
artificiales?
Debido a las caractersticas que estas tienen ya sea considerada
para sistemas que resuelven eficazmente problemas de clasificacin,
emparejamiento y complemento de vectores (patrones), se pueden
mencionar las siguientes:
Anlisis financiero: Donde el proceso para identificar los datos
requeridos depende del problema que se est analizando. En ese
sentido podemos decir que una Red Neuronal que permita
pronosticar series de tiempo de variables financieras se puede
establecer usando diferentes tipos de informacin ya sea la
relacionada con la variable de salida (el mercado seleccionado), la
informacin resultante de las operaciones relacionadas con la
variable de salida y la que depende de los componentes
fundamentales.
Procesamiento de imgenes: Las tcnicas para analizar una
imagen digital se agrupan en un rea llamada Procesamiento Digital
de Imgenes. Estas herramientas se organizan segn el nivel de

procesamiento que se desea realizar para analizar la informacin

contenida en una imagen digital. Estos niveles a continuacin se
describen brevemente:
1) Pre-procesamiento. Operaciones para adaptar la informacin
de una imagen y tener mejor anlisis en pasos posteriores.
Ejemplos de procesamiento son las operaciones de brillo y
contraste.
2) Segmentacin. Operaciones para hacer una particin de la
imagen en varias regiones que representen la informacin
necesaria para el problema a resolver.
3) Deteccin de objetos y clasificacin. Determinacin y
clasificacin de los objetos contenidos en la imagen.
4) Anlisis de imagen. Obtener informacin de alto nivel acerca
de lo que la imagen muestra.
Tambin en el control y la robtica, reconocimiento de voz y el
ejemplo que se tiene es el neuralbot un bot que simula un jugador
humano, esto hecho para el juego quake 2 que utiliza la red neuronal
artificial para decidir su comportamiento.
3. Qu ventajas y desventajas tiene una red neuronal artificial con
respecto a la programacin tradicional de las computadoras?
Aprendizaje: Las RNA tienen la habilidad de aprender mediante una
etapa que se llama etapa de aprendizaje. Esta consiste en
proporcionar a la RNA datos como entrada a su vez que se le indica
cul es la salida (respuesta) esperada.
Auto organizacin: Una RNA crea su propia representacin de la
informacin en su interior, descargando al usuario de esto.
Tolerancia a fallos. Debido a que una RNA almacena la informacin
de forma redundante, sta puede seguir respondiendo
aceptablemente an si parcialmente se daa.
Flexibilidad: Una RNA puede manejar cambios no importantes en la
informacin de entrada, como seales con ruido u otros cambios en
la entrada (ej. si la informacin de entrada es la imagen de un objeto,
la respuesta correspondiente no sufre cambios si la imagen cambia
un poco su brillo o el objeto cambia ligeramente).
Tiempo real: La estructura de una RNA es paralela, por lo cual si
esto es implementado con computadoras o en dispositivos
electrnicos especiales, se pueden obtener respuestas en tiempo
real.

4. Describa el proceso para crear un reconocedor de parmetros que

utiliza redes neuronales artificiales.
El primer paso para realizar un reconocedor de patrones es
representar estos de manera en la cual nuestra red pueda
comprender, en este caso manejando la lgica binaria entre 0 y 1 la
adquisicin de los datos deseados que sern expresados en
vectores. El segundo paso es crear las funciones o algoritmos de
entrenamiento para la red. El tercer paso es realizar el
preprocesamiento de los datos originales para codificarlos en un
formato apropiado para nuestra red neuronal y el procesamiento de
la informacin. Y como ltimo paso se entrena la red verificando los
datos de salida de la misma.

DESARROLLO Y PROCEDIMIENTO:
Se deber desarrollar un reconocedor de los caracteres del alfabeto. La red
neuronal implementada para este fin deber reconocer todas las letras
maysculas y minsculas del alfabeto. Las letras sern implementadas en
matrices de 10 10.

CONCLUSIONES Y OBSERVACIONES:
Como se noto en clases y se reafirmo en esta prctica las redes neuronales
artificiales poseen una superioridad a la programacin tradicional que es
meramente secuencial contra el aprendizaje paralelo de la red, que como ventajas
su rapidez en respuesta en tiempo real le proporciona resolver problemas
complejos prediciendo sus valores de salida y corrigindolos para la salida
deseada.