Redes Neuronales

El aprendizaje es el proceso por medio del cual uan red " aprende" bajo ciertos para que de una salida deseada o próxima se dice que la red "aprendio" , además se sabe que estos parámetros "pesos" se pueden modificar en las entradas y así se crean conexiones, cambios y modificaciones de las diferentes neuronas. Aprendizaje supervisado: Aprende por corrección de errores con refuerzo de un maestro que vera las salidas durante y despues del ingreso de datos y reforzara dicho aprendizaje modificando los pesos, aprendizaje estocástico. Aprendizaje no supervisado : Las entradas son las unícas disponibles para el aprendizaje, el algoritmo de la red aprende a categorizar dichas entradas para seleccionar las mas adecuadas para la salida mas deseada.       Aplicaciones de las Redes Neuronales   Detección de tumores cancerígenos:   Una red neuronal entrenada localiza y clasifica en imágenes médicas la posible existencia de tumores cancerígenos.  Ca

La arquitectura de una red Neuronal se puede distinguir en tres tipos de capas las de entradas(donde se encuentras las neuronas que reciben datos o senales proceden tes del entorno) las de salidas( compone de neuronas que proporcionan la respuesta de la red neuronal )  y las ocultas(no tiene una conexi ón directa con el entorno, es decir, no se conecta directamente ni a sensores externos ni al entorno externo de la neurona ). Teniendo estos conceptos claros se dara a conocer como son los modelos Mono capa y multicapa en los cuales trasportar los datos de manera diferente: Monocapa: Las redes monocapa son redes con una sola capa.Para unirse las neuronas crean conexiones laterales para conectar con otras neuronas de su capa. Las redes más representativas son la red de Hopfield, la red BRAIN-STATE-IN-A-BOX o memoria asociativa y las maquinas estocásticas de Botzmann y Cauchy. Entre las redes neuronales monocapa, existe

Redes Neuronales Las Redes Neuronales Artificiales (RNA) están inspiradas en la biología, esto significa que están formadas por elementos que se comportan de manera análoga a las neuronas (en las funciones más elementales) y están organizadas de una forma similar a la del cerebro, pero las analogías no son muchas más. A continuación se dará a conocer las características fundamentales de una RNA: Aprenden de la experiencia: Las RNA pueden modificar su comportamiento como respuesta a su entorno. Dado un conjunto de entradas (quizá con las salidas deseadas), las RNA se ajustan para producir respuestas consistentes. Una amplia variedad de algoritmos de entrenamiento se han desarrollado, cada uno con sus propias ventajas e inconvenientes.  Generalizan de ejemplos anteriores a los ejemplos nuevos: Una vez que la RNA esté entrenada, la respuesta de la red puede ser, hasta un cierto