Universidad Nacional De Ingeniería Inteligencia Artificial

UNIVERSIDAD NACIONAL DE INGENIERÍA INTELIGENCIA ARTIFICIAL UNIDAD: V REDES NEURONALES ARTIFICIALES Integrantes: Eveling Valdivia Rodriguez Katya Idania Rodríguez Ramírez Edgar Mercado Zepeda Margine Quintanilla Olony Rocha Landeros

FUNCIONAMIENTO DE UNA NEURONA BIOLOGICA El cerebro consta de un gran numero (1011) de elementos altamente interconectados (aproximadamente 104 conexiones por elemento), llamados neuronas. Estas neuronas tienen tres componentes principales: Las

dendritas El cuerpo de la Celula o soma El axon

Las dendritas son el arbol receptor de la red, son como las fibras nerviosas que cargan de señales electricas el cuerpo de la cedula. El cuerpo de la cedula, realiza la suma de esas señales de entrada. El axón es una fibra larga que lleva la señal desde el cuerpo de la cedula hasta otras neuronas. El punto de contacto entre un axon de una cedula y una dendrita de otra cedula es llamado sinapsis, la longitud de la sinapsis es determinada por la complejidad del proceso quimico que estbiliza la funcion de la red neuronal.

CARACTERISTICAS DE UNA RED NEURONAL ARTIFICIAL 

El modelo de una neurona artificial es una imitacion del proceso de una neurona biologica, puede tambien asemejarse a un sumador hecho con un amplificador operacional tal como se ve en la figura

Existen varias formas de nombrar una neurona artificial , es conocida como nodo, neuronodo, celda, unidad o elemento de procesamiento(PE)

Los pesos pueden ser positivos (excitatorios) o negativos (inhibitorios).El nodo sumatorio acumula todas las señales de entradas multiplicadas por los pesos o ponderadas y las pasa a las salidas a través de una función lumbral o transferencia, la entrada neta a cada unidad puede escribirse de la siguiente manera:

REDES NEURONALES ARTIFICIALES CON MATLAB

Matlab utiliza una estructura única que da acceso a todas las propiedades de una red neuronal, independientemente del tipo que esta sea, de manera que utilizando esta propiedad podremos modificar las entradas, capas, conexiones, pesos, etc. De esta manera una vez configurada la red neuronal según las necesidades se invocaran las funciones de manipulación de redes neuronales disponibles en Matlab, (simulación, entrenamiento, inicialización, etc.), pasándole como parámetro la estructura de la red neuronal. net = network;

Si ejecutamos el comando anterior y visualizamos el contenido de la variable Network se nos proporciona la estructura mencionada, la cual se puede dividir en cinco secciones:  Arquitectura  Subobjetos  Funciones  Parámetros  Valores

Arquitectura: Define las características básicas de la red neuronal, número de entradas, capas, conexiones, etc. Sub-Objetos: Contiene referencias a las subestructuras de la red neuronal, que nos permitirán configurar las propiedades de los distintos componentes que forman la red (capas, entradas, salidas, etc.).

VEREMOS ALGUNAS DEMOSTRACIONES DE REDES LINEALES QUE VIENEN CON EL MÓDULO DE REDES NEURONALES DE MATLAB. LAS OPCIONES SON:

Demolin1. Diseño de una neurona lineal.

Demolin2. Entrenamiento de una neurona lineal.

Demolin3. Caso sobre-determinado.

Demolin3. Caso sobre-determinado.