Professional Documents
Culture Documents
Fortalecimiento de la Educacin
Alumno
rea:
Inteligencia Artificial
Carrera:
Ingeniera de Sistemas
Trabajo:
Tarea 5
2015
RNas
Historia
Desde la dcada de los 40, en la que naci y comenz a desarrollarse la informtica, el
modelo neuronal la ha acompaado. De hecho, la aparicin de los computadores
digitales y el desarrollo de las teoras modernas acerca del aprendizaje y del
procesamiento neuronal se produjeron aproximadamente al mismo tiempo, a finales de
los aos cuarenta.
Desde entonces hasta nuestros das, la investigacin neurofisiolgica y el estudio de
sistemas neuronales artificiales (ANS, Artificial Neural Systems) han ido de la mano. Sin
embargo, los modelos de ANS no se centran en la investigacin neurolgica, si no que
toma conceptos e ideas del campo de las ciencias naturales para aplicarlos a la
resolucin de problemas pertenecientes a otras ramas de las ciencias y la ingeniera.
Podemos decir que la tecnologa ANS incluye modelos inspirados por nuestra
comprensin del cerebro, pero que no tienen por qu ajustarse exactamente a los
modelos derivados de dicho entendimiento.
Los primeros ejemplos de estos sistemas aparecen al final de la dcada de los cincuenta.
La referencia histrica ms corriente es la que alude al trabajo realizado por Frank
Rosenblatt en un dispositivo denominado perceptrn. Hay otros ejemplos, tales como
el desarrollo del Adaline por el profesor Bernard Widrow.
Durante todos estos aos, la tecnologa ANS no siempre ha tenido la misma
consideracin en las ramas de la ingeniera y las ciencias de la computacin, ms
ansiosas de resultados que las ciencias neuronales. A partir de 1969, el pesimismo
debido a las limitadas capacidades del perceptrn hizo languidecer este tipo de
investigacin.
Ventajas
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, quitndole esta tarea al usuario.
Tolerancia a fallos: Debido a que una RNA almacena la informacin de forma
redundante, sta puede seguir respondiendo de manera aceptable aun si se
daa parcialmente.
Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin
de entrada, como seales con ruido u otros cambios en la entrada (por ejemplo
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.