ACT6 INT ARTIFICIAL Y RN

Vista previa del material en texto

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN 
“FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA” 
 
“INTELIGENCIA ARTIFICIAL Y REDES NEURONALES” 
 
 
ACTIVIDAD 6 
“EL ESTUDIANTE REALIZA UNA SINTESIS DE LOS CONCEPTOS GENERALES 
SOBRE REDES NEURONALES, LA INFORMACION DEBERA SER 
SINTETIZADA, CATEGORIZADA POR CAMPO DE APLICACION Y 
PRESENTADA EN UN RESUMEN Y MAPA MENTAL.” 
 
 
EQUIPO 07: 
 
 
SEMESTRE: ENERO-JUNIO 2023 
 
 
CATEDRÁTICO: 
 
 
FECHA DE ENTREGA: 15/05/2023 
 
 
Síntesis 
 
 
Las redes neuronales son modelos de aprendizaje automático inspirados en el 
funcionamiento del cerebro humano. Consisten en una serie de nodos 
interconectados llamados neuronas artificiales, que se organizan en capas para 
procesar y transmitir información. 
A continuación, se presenta una síntesis de los conceptos generales sobre redes 
neuronales, categorizados por campo de aplicación: 
 
 
- Redes neuronales artificiales (RNA): Son el tipo más común de redes 
neuronales y se utilizan en una amplia gama de aplicaciones. Estas redes 
están compuestas por una capa de entrada, una o más capas ocultas y una 
capa de salida. La información fluye hacia adelante a través de la red desde 
la capa de entrada hasta la capa de salida, y el aprendizaje se logra 
ajustando los pesos de las conexiones entre las neuronas. 
 
- Redes neuronales convolucionales (CNN): Son ampliamente utilizadas en 
el procesamiento de imágenes y visión por computadora. Las CNN están 
diseñadas para detectar características y patrones visuales en imágenes. 
Utilizan capas convolucionales para extraer características y capas de 
pooling para reducir la dimensionalidad de los datos. Las CNN han logrado 
avances significativos en tareas como reconocimiento de objetos, 
clasificación de imágenes y detección de rostros. 
 
- Redes neuronales recurrentes (RNN): Son adecuadas para el 
procesamiento de datos secuenciales, como el procesamiento del lenguaje 
natural y la generación de texto. A diferencia de las RNA, las RNN tienen 
conexiones retroalimentadas, lo que les permite mantener información en 
su estado interno o memoria. Esta capacidad de memoria les permite 
capturar dependencias temporales y modelar secuencias de datos. 
 
- Redes neuronales generativas adversariales (GAN): Son un tipo especial 
de redes neuronales utilizadas para generar contenido nuevo y realista, 
como imágenes, música o texto. Las GAN consisten en dos redes: un 
generador y un discriminador. El generador crea muestras sintéticas, 
mientras que el discriminador evalúa la autenticidad de las muestras. A 
medida que estas dos redes se entrenan en competencia, el generador 
mejora su capacidad para generar contenido realista. 
 
 
 
 
 
 
 
 
 
 
 
 
REDES NEURONALES
son simiLaRes a Las Redes feedfoRwaRd, PeRo 
geneRaLmenTe se UTiLizan PaRa eL ReconocimienTo 
de imágenes, eL ReconocimienTo de PaTRones y / o 
La visión PoR comPUTadoRa. 
TRes caPas, qUe seRía incLUsiva de Las 
enTRadas y La saLida, PUede consideRaRse Un 
aLgoRiTmo de deeP LeaRning. 
enTRada, PondeRaciones, 
Un sesgo (o UmbRaL) y Una 
saLida 
SE IDENTIFICAN POR SUS CIRCUITOS DE 
RETROALIMENTACIÓN 
Una caPa de enTRada, Una caPa o 
caPas ocULTas y Una caPa de 
saLida. Si bien esTas Redes 
neURonaLes También se conocen 
comúnmenTe como ML 
EFLEJAN EL COMPORTAMIENTO DEL CEREBRO 
HUMANO, LO QUE PERMITE QUE LOS 
PROGRAMAS INFORMÁTICOS RECONOZCAN 
PATRONES Y SOLUCIONEN PROBLEMAS COMUNES 
EN LOS CAMPOS DE LA IA, EL MACHINE 
LEARNING Y EL DEEP LEARNING. 
Redes neURonaLes RecURRenTes (RNN) 
Se comPonen 
ESTÁ COftPUESTO 
Las Redes neURonaLes 
convoLUcionaLes (CNN) 
consTa 
https://www.ibm.com/es-es/topics/recurrent-neural-networks
Referencias Bibliográficas 
 
 
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT 
Press. 
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. 
- LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 
521(7553), 436-444. 
- Schmidhuber, J. (2015). Deep learning in neural networks: An overview. 
Neural networks, 61, 85-117. 
	“INTELIGENCIA ARTIFICIAL Y REDES NEURONALES”
	CATEDRÁTICO:
	Síntesis
	Referencias Bibliográficas