Integrantes:Daniel Peña Alfredo Zuñiga. Las redes neuronales son una tecnología de IA que se...

Integrantes: Daniel Peña Alfredo Zuñiga

Las redes neuronales son una tecnología de IA que se desarrollo tratando de emular el proceso de aprendizaje y reconocimiento de patrones que realizan las neuronas del cerebro humano.

A fin de que las redes puedan emular el comportamiento de las neuronas, es necesario entrenarlas. Para ello se provee al programa de los datos que lógicamente dependerán del tipo de problema a resolver.

Posteriormente, con la red neuronal convenientemente entrenada, se introducen los datos de los pozos o casos a resolver y la red generara los resultados en base al entrenamiento logrado.

Algunas de las aplicaciones más destacadas.

• Reconocimiento de patrones de clasificación:Reconocimiento de voz, de caracteres manuscritos.Análisis y reconocimiento de imágenes, formas.Diagnostico clínico.

• Análisis de series temporales y predicción:Modelos meteorológicos.Predicción del comportamiento.Predicción de series temporales.

• Robótica.

A la hora de implementar una red neuronal como parte de un programa o sistema informático, se pueden distinguir 3 fases básicas:

1.- Diseño.

2.- Entrenamiento.

3.- Uso.

1.- Diseño.

En esta fase se elige el tipo de red neuronal a usar (la arquitectura o topología), el número de neuronas que la compondrán.

Una primera capa de entradas, que recibe información del exterior.Una serie de capas ocultas (intermedias), encargadas de realizar el trabajo de la red.Una capa de salidas, que proporciona el resultado del trabajo de la red al exterior.

2.- Entrenamiento.

En esta fase se le presentan a la red neuronal una serie de datos de entrada y datos de salida (resultados), para que a partir de ellos pueda aprender.

3.- Uso.

Se le suministran las entradas pertinentes a la red, y esta genera las salidas en función de lo que ha aprendido en la fase de entrenamiento.

Para poder aprender, las redes neuronales necesitan de un algoritmo de aprendizaje.

Estos algoritmos están formados por un conjunto de reglas que permiten a la red neuronal aprender (a partir de los datos que se le suministran).

Los tipos de aprendizaje pueden dividirse básicamente en tres:

1.- Aprendizaje supervisado.

2.- Aprendizaje de refuerzo.

3.- Aprendizaje no supervisado.

1.- Aprendizaje supervisado.

Se introducen unos valores de entrada a la red, y los valores de salida generados por esta se comparan con los valores de salida correctos. Si hay diferencias, se ajusta la red en consecuencia.

2.- Aprendizaje de refuerzo.

Se introducen valores de entrada, y lo único que se le indica a la red si las salidas que ha generado son correctas o incorrectas.

3.- Aprendizaje no supervisado.

No existe ningún tipo de guía. De esta manera lo único que puede hacer la red es reconocer patrones en los datos de entrada y crear categorías a partir de estos patrones. Así cuando se le entrega algún dato, después del entrenamiento, la red será capaz de clasificarlo e indicará en que categoría lo ha clasificado.

NeuroSolutions.

Desde 1995, NeuroSolutions es una herramienta de desarrollo gráfica para la creación de sistemas de redes neuronales que permite diseñar y parametrizar modelos de redes destinados a análisis de datos. Esta aplicación combina una interfaz de diseño modular con avanzados procedimientos de aprendizaje, proporcionándole así la potencia y flexibilidad necesaria para la resolución específica de sus problemas.

NeuroDimension, Inc, la compañía desarrolladora de NeuroSolutions, trabaja en la actualidad estrechamente con el Laboratorio de Ingeniería y Cálculo Neuronal de la Universidad de Florida, para garantizar que la aplicación esté perfectamente actualizada a medida que se van presentando nuevos avances en esta disciplina científica.

NeuroSolutions dispone de una serie de herramientas.

a).- NeuroSolutions para Excel.

b).- NeuroSolutions for Matlab.

c).- Custom Solution Wizard.

d).- TradingSolutions

a).- NeuroSolutions para ExcelSimplifica y mejora significativamente el proceso de añadir y quitar datos de una red neuronal.

b).- NeuroSolutions for Matlab.Es un conjunto de modelos neuronales pensados para los usuarios de MATLAB que quieran utilizar la potencia de NeuroSolutions desde el entorno trabajo de MATLAB.

c).- Custom Solution Wizard.

Es una herramienta que toma una red neuronal existente creada con NeuroSolutions y genera/compila automáticamente una DLL. Esto permite la incorporación directa e inmediata de modelos de redes neuronales en sus propias aplicaciones.

d).- TradingSolutionsEs un programa de análisis financiero que ayuda a tomar las mejores decisiones financieras gracias a la combinación de las herramientas tradicionales de análisis técnico y las últimas técnicas incorporadas de inteligencia artificial.

Pantallas de NeuroSolutions para Excel.

Excel integrado con NeuroSolutions

Muestra los elementos típicos para el problema a desarrollar

Muestra como el software se comporta cuando comienza la etapa de entrenamiento.

Licencia NeuroSolutions 4.

Referencia año 2005.

Versión actual 6.0

Tipo

SNSS (Stuttgart Neural Network Simulator).

Es un simulador que provee un entorno flexible para el desarrollo e investigación de aplicaciones de redes neuronales, diseñado en la Universidad de Stuttgart (Alemania).

Compatible en Window y Linux

VersionesSNSS 4.1SNSS 4.2SNSS 4.3

Licencia GPL

Reconocimiento de caracteres escritos utilizando redes neuronales.

Hecho en C.  Con librería GUI.

Qt para la interfaz grafica.

Desarrollado por David Pinelo.

Es software libre.

Reconocimiento de voz de Windows.

Integrado desde Windows Vista.

Costos de la licencia.Windows Vista Home Basic 32 bits.Efectivo $51.850

Windows 7 Home Basic OEM 32 bit.Efectivo $57.000

Con 20.000.000 de neuronas, frente a las 100.000.000.000.000 del cerebro humano.

Producto pensado: teléfono móvil o celular.Caracteristica: almeja, tiene 3 colores y es liviano.

http://20q.net

Las redes neuronales se orientan a desarrollar máquinas o sistemas inteligentes capaces de simular, desarrollar y optimizar muchas de las funciones de un ser humano.

En las redes neuronales el conocimiento se incorpora mediante el aprendizaje a partir de ejemplos.

Algunas aplicaciones ya se utilizan en la actualidad como son el caso del reconocimiento de voz presente en celulares, computadores, etc. Que pueden ser de gran utilidad para personas con alguna discapacidad.