redes neuronales artificiales original
TRANSCRIPT
TECNOLOGICO DE ESTUDIOS SUPERIORES DE JOCOTITÁN
“Redes Neuronales
Artificiales (RNA)”
Trabajo de Investigación que presentan los alumnos de:
INGENIERIA EN SISTEMAS COMPUTACIONALES
A U T O R E S
Cruz Amado Ezequiel
López Piña Verónica
Martínez Monroy Juan Carlos
Reyes Romero Georgina
Patricia
Torres Becerril Mylee Annel
D O C E N T E
Ing. Yerene Castillo Margarita
2
INVESTIGACIÓN
[RNA]
JOCOTITLÁN, MÉXICO. 20 JUNIO DE 2012
I N D I C E
Contenido
I N D I C E............................................................................................................................................2
I N T R O D U C C I Ó N........................................................................................................................3
M A R C O T E O R I C O.....................................................................................................................5
HISTORIA........................................................................................................................................5
CUADRO COMPARATIVO................................................................................................................8
FUNCIONAMIENTO.......................................................................................................................10
APLICACIONES..............................................................................................................................14
P L A N T E A M I E N T O D E L P R O B L E M A.............................................................................19
A R B O L D E L P R O B L E M A.....................................................................................................20
H I P O T E S I S P R O Y E C T O.......................................................................................................21
O B J E T I V O S.................................................................................................................................22
J U S T I F I C A C I Ó N.......................................................................................................................22
D E L I M I T A C I O N E S..................................................................................................................23
I M P A C T O S..................................................................................................................................24
IMPACTOS ETICOS........................................................................................................................25
IMPACTOS SOCIALES....................................................................................................................25
IMPACTOS TECNOLOGICOS..........................................................................................................26
IMPACTOS ECOLOGICOS O AMBIENTALES...................................................................................26
IMPACTOS ECONOMICOS.............................................................................................................27
3
INVESTIGACIÓN
[RNA]
M E T O D O L O G I A U T I L I Z A R................................................................................................28
A S E G U R A M I E N T O T E C N I C O – M A T E R I A L.................................................................29
F U E N T E S D E I N F O R M A C I Ó N..........................................................................................31
C R O N O G R A M A D E A C T I V I D A D E S................................................................................33
I N T R O D U C C I Ó N
En esta investigación el paradigma de Redes Neuronales
Artificiales es popular dentro de la Inteligencia Computacional
ya que es una herramienta para resolver o plantear
problemas, introduciendo de manera muy resumida aspectos
relevantes como un Sistema Neuronal Artificial, con la
finalidad de llegar a la arquitectura de las mismas.
Una Red Neuronal Artificial (RNA) se conecta por medio de
una zona de trasmisión de corriente bien estructurada para
que la información pueda programarse en un único sentido,
esto se lleva acabo por medio de 3 capas las cuales son
entrada, proceso, salida y ocultas, también podemos hablar
de estructuras de una sola capa o de multicapas para usar
este tipo de estructuras es importante tener en cuenta el flujo
de o curso de información.
4
INVESTIGACIÓN
[RNA]
Para que todo esto se lleve acabo existen propiedades en
donde cada neurona se le asocia a una variable, un peso, un
límite y una función.
Todo esto se resume como un proceso de investigación sobre
arquitectura de Redes Neuronales Artificiales, encargado de
producir acciones o resultados que maximizan un rendimiento
determinado, basado en entradas percibidas y en
conocimiento almacenado, basado con una planificación
automática.
Tratando de simular, imitar el sistema neurológico humano
pero no tan exacto ya que esto es artificial si no real.
De tal manera que procederemos a desglosar la investigación
en temas y subtemas para hacer comprender cada uno de
ellos a si como su definición, estos serán de forma especifica,
clara y precisas para que el lector tenga una comprensión,
además de que despierte interés en el conocimiento de estos
tópicos sin el uso de un lenguaje complejo.
5
INVESTIGACIÓN
[RNA]
Para que el lector genere su conclusión en forma sencilla
sobre todas las actividades encaminadas a los grandes
avances científicos y tecnológicos.
M A R C O T E O R I C O
HISTORIA
En 1943 se hizo el primer intento de emular artificialmente la
actividad de una neurona. El matemático Walter Pitts y el
neurocientífico Warren McCulloch diseñaron un circuito
6
INVESTIGACIÓN
[RNA]
electrónico al que denominaron neurona MP (por las iniciales
de sus apellidos), el cual tenía varias entradas de información
y una sola salida. Una década más tarde, Frank Rosemblatt
crearía el Perceptor, aparato compuesto por una red de
neuronas artificiales alimentadas mediante celdas sensibles a
la luz. Un producto directo de estas investigaciones son las
“redes neuronales de propagación hacia atrás”, cuya principal
aplicación es en programas de reconocimiento de patrones
ayudando a los investigadores en el desarrollo de sistemas de
reconocimiento de rostros y vehículos o en la clasificación de
galaxias distantes.
Sin embargo para poder distinguir patrones de información
este aprendizaje aun no es del todo inteligente, pues aunque
se aprende con base a errores tiene limitantes en el
procesamiento e iniciativa independiente.
En la actualidad hay dos líneas de investigación que buscan
crear un programa que aprenda por si mismo.
La primera es el sistema Electrónico de Plásticos Escalables
Adaptativos Neuromórficos (SyNAPSE o sinapsis por el juego
de palabras), que investiga la manera de emular la circuitería
neuronal del cerebro.
7
INVESTIGACIÓN
[RNA]
Aprendizaje autónomo
Con el financiamiento de la Agencia de Investigación de
Proyectos Avanzados de Defensa (DARPA, por sus siglas en
ingles) y la participación de la empresa de computadoras IBM,
el objetivo de SyNAPSE es lograr que los sistemas electrónicos
a base de transistores, circuitos integrados,
microprocesadores entre otros, utilicen arquitecturas
semejantes a los sistemas biológicos neuronales propios de
un cerebro humano.
Esta migración hacia sistemas electrónicos con arquitecturas
neuronales busca, por un lado, crear maquinas capaces de
adaptarse con eficiencia a los ambientes del mundo real, y
por otro lado, dar un salto evolutivo en los procedimientos
para crearlas. El objetivo es lograr que se independice de los
sistemas de programación que actualmente les dan vida, para
que obedezcan a sus propias percepciones y sensaciones, las
cuales transformaran en experiencias, de las que aprenderán
para ejecutar sus acciones.
También ayudara a la solución de un problema de
computación muy conocido “Cuello de botella de Von
Neuman”: la memoria de la computadora y la unidad de
8
INVESTIGACIÓN
[RNA]
procesamiento central (CPU) actúan de manera
independiente.
Esta situación limita el procesamiento de grandes cantidades
de información; sin importar las enormes capacidades de la
computadora, el tiempo que toma intercambiar los datos
entres sus componentes impide aprovechar su potencial, a
diferencia de un cerebro humano el cual es capaz de
procesarlas de forma paralela.
El físico Thomas Georges, investigador de IBM, opina que al
aumentar su inteligencia, las maquinas serán capaces de
rediseñar y modificar sus propios programas, aptitud que
incluso las hará impredecibles. Agrega que la super
inteligencia podrá alojarse ya sea en una computadora, red de
computadoras o tejidos biológicos, dejando abierta la
posibilidad de que despierte conciencia propia y que tenga
experiencias subjetivas.
9
INVESTIGACIÓN
[RNA]
CUADRO COMPARATIVO
Redes Neuronales Redes Neuronales Artificiales
Una neurona es una célula viva, y como tal, contiene los mismos elementos que forman parte de todas las células biológicas, además, de poseer elementos característicos que la diferencian. En general una neurona consta de un cuerpo celular más o menos esférico de 5 a 10 micras de diámetro, del que sale una rama principal el axón, y varias ramas más cortas denominadas dentritas. A su vez el axón puede producir ramas en torno a su punto de arranque, y con frecuencia se ramifica extensamente cerca de su extremo.
Cualquier modelo de red neuronal consta de dispositivos elementales de procesamiento: las neuronas. A partir de ellas, se pueden generar representaciones específicas, de tal forma que un estado conjunto de ellas pueda significar una letra, un número o cualquier otro objeto. Generalmente se pueden encontrar tres tipos de neuronas:1. Aquellas que reciben estímulos externos, relacionas con el aparato sensorial, que tomarán la información de la entrada, denominadas unidades de entrada.
2. Dicha información se transmite a ciertos elementos internos que se ocupan de su proceso. Es la
10
INVESTIGACIÓN
[RNA]
Esquema de una neurona biológica.
Una de las características que diferencian a las neuronas del resto de células vivas, es su capacidad de comunicarse.
En términos generales, las dentritas y el cuerpo celular reciben señales de entrada, el cuerpo celular las combina e integra y emite señales de salida. El axón transporta esas señales a los terminales axónicos, que se encargan de distribuir información a un nuevo conjunto de neuronas. Por lo general una neurona recibe información de miles de otras neuronas y, a su vez, envía información a miles de neuronas más. Se calcula que en el cerebro humano existen del orden
sinapsis y neuronas correspondientes a este segundo nivel donde se genera cualquier tipo de representación interna de la información. Puesto que no tienen relación directa con la información de entrada y de salida, estos elementos se denominan unidades ocultas.
3. Una vez ha finalizado el periodo de procesado, la información llega a las unidades de salida, cuya misión es dar la respuesta del sistema.
Esquema de una neurona artificial
11
INVESTIGACIÓN
[RNA]
de 10 a la 15 conexiones. En la tabla 1 se muestra un paralelo entre un computador secuencial (Computador de Von Neumann) y un sistema biológico.
La tecnología basada en redes neuronales artificiales es de caracter bio-inspirado pues su funcionamiento trata de imitar el funcionamiento de elementos biológicos que en este caso los constituyen las neuronas del cerebro. En la figura 2 se ilustra una neurona artificial
FUNCIONAMIENTO
ALGORITMO DE REDES NEURONALES EN INTELIGENCIA ARTIFICIAL
Las redes neuronales son algoritmos que implementan un
proceso cognitivo natural, no un humano, sino un animal. No
12
INVESTIGACIÓN
[RNA]
es demasiado complejo, a menos seas una ameba, te debería
parecer bastante lógico.
Existen múltiples modelos de Redes Neuronales, que luego
explicaré. Ahora nos concentraremos en el funcionamiento
básico. Las redes neuronales están inspiradas en el sistema
nervioso animal.
COMPOSICIÓN DE UNA RED NEURONAL
En las redes tendremos dos componentes base:
Neuronas
Interconexiones
13
INVESTIGACIÓN
[RNA]
Y las definiremos en 3 aspectos básicos:
Entrada
Capa Oculta (Yo le digo de procesamiento)
Salida
El primer aspecto, la entrada, es nuestro punto de partida
inicial. La información que debemos analizar para luego
procesar. Ejemplo: Este tipo, ¿Que otros tipos tendrán
información similar para recomendar? Ergo, tenemos la
diferente información o de entrada que podemos generar a
raíz de este tipo.
14
INVESTIGACIÓN
[RNA]
Las capas ocultas son los cálculos que usaremos para la
estimación de la valoración de una entrada(s). Se les dice
ocultas porque no las ve el usuario o persona que opera.
La salida es el procesamiento final, la respuesta a nuestra
pregunta. En estos modelos, SIEMPRE es una.
Cómo usar una red neuronal
Se debe definir que factores serán los intervinientes en el
"aprendizaje" del sistema y como queremos que sean
procesados. Un ejemplo claro puede ser el uso de índices. Si
este tipo está tangueado como Inteligencia Artificial
(Lo está), entonces intervendrá como parte del proceso de
análisis en las capas ocultas. Pero también el título es
importante, por lo cual la segunda entrada participará en el
mismo nivel de procesamiento.
Podríamos armar cuantas lógicas queramos, lo importante es
entender si necesitamos "ir para adelante" o "para atrás" en
algún punto del aprendizaje. Esto es dado que existen redes
15
INVESTIGACIÓN
[RNA]
que van hacia atrás en algunas ocasiones llamadas "retro
propagación".
APRENDIZAJE Y ENTRENAMIENTO DE UNA RED NEURONAL
El sistema de una red neuronal tiene un criterio de
aprendizaje un tanto acotado ya que solo puede determinar
valores objetivos y directos a nuestros valores de entrada.
Por ello podemos emplear los siguientes criterios para su
aprendizaje:
Supervisado: Un humano le indica si el aprendizaje es
correcto (Usarlo) o incorrecto (No volver a usarlo).
No Supervisado: El sistema es capaz de auditar sus
propias conclusiones (Esquema de comprobación).
Híbridas: Una mezcla entre supervisados y no
supervisados.
16
INVESTIGACIÓN
[RNA]
APLICACIONES
Las redes neuronales artificiales (RNA) son aplicadas en
diversos ámbitos de la actividad humana. Una de sus
aplicaciones es como herramienta de análisis de información,
específicamente dentro de la Bibliometría. En este trabajo se
hace una introducción sobre las particularidades de las RNA,
específicamente las basadas en el modelo Kohonen (Mapas
auto-organizativos). Se exponen los elementos que la integran
y se vincula su principio de funcionamiento con la
Bibliometría. Se utiliza y caracteriza un software llamado
Viscovery SOMine que retoma, para su funcionamiento, el
concepto y los algoritmos de los mapas auto-organizativos. Se
17
INVESTIGACIÓN
[RNA]
ejemplifica la utilidad de las RNA, dentro de la Bibliometría, a
través de casos prácticos.
Se estima que a pesar de las limitaciones técnicas, las redes
neuronales aplicadas a la Bibliometría constituyen un campo
de investigación muy prometedor. Un ejemplo es presentado
a continuación.
La disciplina multidisciplinar de las redes neuronales es
aplicada en esta sección, donde se asume a la producción de
los documentos de patentes como indicador de la capacidad
de desarrollo industrial. El objetivo es identificar posibles
competidores, alianzas estratégicas, dependencia tecnológica,
etc.
Se escogió para el primer ejemplo la representación de la
situación tecnológica de la Neisseria meningitidis.
Las diferentes instituciones en la primera hoja de sus patentes
hacen referencias a otras patentes, a partir de estos datos se
puede inferir el impacto que produce una tecnología o
institución en otra. Con el objetivo de determinar la
dependencia tecnológica entre instituciones, se realizó un
18
INVESTIGACIÓN
[RNA]
análisis de citas, estas formaron los cluster que aparecen en
la figura 5.
Posición tecnológica de las instituciones según las citaciones.
El mapa tecnológico presentado en la figura anterior
representa a tres cluster: cluster 1 formado solamente por la
Merck & Co., un cluster 2 formado únicamente por el National
Res. Council of Canadá y el cluster 3 que incluye al resto de
las instituciones.
Este último grupo está formado por una gran cantidad de
instituciones que tienen igual estrategia de citación, sobre
19
INVESTIGACIÓN
[RNA]
todo las representadas con colores más claros y sin límites de
separación.
Se presupone que estas firmas se basan para su desarrollo en
su propia base tecnológica, pues citan poco a otras
instituciones. El cluster 2 evidencia un alto nivel de auto
citación, cuando esto sucede, algunos investigadores [1] en el
tema señalan que probablemente esta institución tenga un
nicho de protección cerrada sobre un espacio tecnológico.
Puede estar ocurriendo que exista una patente importante, la
cual se ha rodeado de invenciones mejoradas. El cluster
formado por la Merck & Co. indica un mayor nivel de citación,
esto presupone una estrategia balanceada: absorbe
tecnología externa y produce tecnología propia. La cercanía
de los cluster también es una evidencia sobre las instituciones
que tienen estrategias parecidas a la de otras. La Rockefeller
University hace frontera con el cluster que incluye a North
American Vaccine, y el National Res. Council de Canadá; estas
instituciones forman un colegio tecnológico invisible que basa
sus desarrollos en la misma innovación tecnológica.
Otro ejemplo
20
INVESTIGACIÓN
[RNA]
Otra aplicación se presenta en un campo diferente del
conocimiento: la agricultura.
En este ejemplo no solo se tomó como elemento de entrada la
producción documental de determinados países, también se
consideraron otros tipos de variables como gastos en I+D" en
cada uno de los países analizados, "personal dedicado a
actividades de I+D".
Mapa de América Latina y el Caribe (países seleccionados)
de acuerdo con la actividad en ciencia agrícola.
21
INVESTIGACIÓN
[RNA]
En la figura 6 se presenta un mapa auto-organizado sobre la
actividad en ciencia agrícola en América Latina y el Caribe (se
seleccionaron algunos países según los datos disponibles).
Con ello se pretende lograr una representación de la región,
teniendo en cuenta los indicadores de insumo y de resultados
más significativos. En la figura aparecen, en dos dimensiones,
22 países. La semejanza de los países, considerando de forma
simultánea los 20 indicadores, se expresa mediante la
cercanía de estos en el mapa.
Los 22 países se agrupan (autorganizan) en 3 clusters o
grupos: El cluster C1, que aparece en la esquina inferior
izquierda, es seguido por una banda de 4 países
correspondientes al cluster C2 (Cuba, Colombia, Chile y
Venezuela) y otro cluster (C3) con el resto de los países.
En el ámbito regional e internacional hay un grupo de países
formado por Brasil, México y Argentina que tienen una
investigación en la temática con mayor solidez y con
parecidos niveles de desarrollo. Esto coincide con los países
que presentan mayor nivel regional en el desarrollo agrícola.
22
INVESTIGACIÓN
[RNA]
P L A N T E A M I E N T O D E L P R O B L E M A
Por más sofisticadas y poderosas que sean las computadoras,
estas deben ser programadas para realizar distintas
instrucciones tanto sencillas como complejas, a diferencia del
cerebro humano que es capaz de percibir información del
entorno al mismo tiempo que la procesa, lograr que las
neuronas artificiales logren aprender por si solas con base en
sus experiencias, para que puedan adaptarse a diversas
circunstancias, pero hasta que punto una neurona artificial
23
INVESTIGACIÓN
[RNA]
puede igualarse a una neurona orgánica. ¿Con que fines se
crean las Neuronas Artificiales?
A R B O L D E L P R O B L E M A
24
INVESTIGACIÓN
[RNA]
H I P O T E S I S P R O Y E C T O
El fenómeno de la conciencia humana entendida como al
percatarse de estar consciente (autoconsciente), implica
necesariamente la conexión de ciertos circuitos neuronales,
25
INVESTIGACIÓN
[RNA]
de alguna manera estos circuitos neuronales se percatan de
la exterioridad o extrañeza de los canales simbólicos y
lingüísticos
O B J E T I V O S GENERAL
Analizar la factibilidad del uso de las Redes
Neuronales Artificiales (RNA) en la predicción de
errores en redes de computadoras y dar a conocer
el funcionamiento o comportamiento de una Red
Neuronal Artificial (RNA).
ESPECIFICOS
Documentar el programa de la red neuronal HCNN
Predecir series de tiempo.
Simular el problema con datos de la red neuronal.
J U S T I F I C A C I Ó N
26
INVESTIGACIÓN
[RNA]
Se eligió el tema de Redes Neuronales Artificiales (RNA)
porque es de sumo interés, ya que de alguna forma existe una
relación con la carrera de ingeniería en sistemas
computacionales y se da a conocer el comportamiento o
funcionamiento teórico de las Redes Neuronales Artificiales
(RNA) que se aplican en el cerebro (humano o artificial).
Esta investigación beneficiara a las personas que están
involucradas en la innovación e investigación de tecnologías
que ayuden a facilitar el trabajo del hombre haciendo mas
eficaz y eficiente su rendimiento en el trabajo.
Uno de los beneficios que ofrecen las Redes Neuronales
Artificiales (RNA) es que en las industrias se les facilite el
trabajo de alto riesgo mediante el manejo de maquinaria
pesada manipulada a través de las Redes Neuronales
Artificiales (RNA), así se reducirá el riesgo de poner en peligro
la integridad del personal que labora en dicha industria.
Las redes neuronales artificiales son modelos que intentan
reproducir el comportamiento del cerebro. Constan de
27
INVESTIGACIÓN
[RNA]
dispositivos elementales de proceso (las neuronas). A partir
de ellas, se pueden generar representaciones específicas, de
tal forma que un estado conjunto de ellas puede significar una
letra, un número u otro objeto.
D E L I M I T A C I O N E S
El proyecto solo abordara de manera teórica las
características, funcionamiento y aplicaciones de las RNA.
Solo será una investigación documental sin llevar a la realidad
la implementación de ellas.
Delimitación Teórica: Se definirán conceptos,
características, funcionamiento y aplicación de las RNA.
Delimitación Temporal: Se realizara durante el curso, a
partir del mes de Febrero y se finalizara en el mes de
Junio.
Delimitación Espacial: La investigación podrá ser
difundida en el TESJo mediante una conferencia o una
publicación de un artículo.
28
INVESTIGACIÓN
[RNA]
Unidades de Observación: Se contacto un psiquiatra
“SERGIO PONCE” para conocer su opinión profesional
acerca del funcionamiento de las redes neuronales, de
esta manera se comprendió de mejor manera la
importancia de estas en nuestra vida.
I M P A C T O S
IMPACTOS ETICOS
Impacto Positivo: Surge en la realización de esta investigación
es que muchas personas que se dedican o laboran en el
campo tecnológico tendrán la facilidad y comodidad de no
realizar trabajos riesgosos y cuidaran su integridad
remplazando al personal por maquinas manipuladas por las
personas que laboren en las industrias.
29
INVESTIGACIÓN
[RNA]
Impacto Negativo: Surge al realizar esta investigación es que
la gente creyente (religiosa) no esta de acuerdo en que se
altere o remplacé a los humanos por la tecnología y que
vayan en contra de las reglas religiosas como lo es la
implementación de las redes neuronales artificiales.
IMPACTOS SOCIALES
Impacto Positivo: Que tendrá nuestra investigación es que la
población en general conocerá el funcionamiento de las redes
neuronales artificiales, así como también la implementación
de estas en todas las áreas de la vida del ser humano como
son en el uso militar, industrial y medico, en las que se ha
invertido mayor cantidad de dinero.
Otro impacto positivo es que el tema es de dominio social y
con demasiadas áreas que aun pueden ser investigadas,
nuestra investigación quedara abierta para futuras
contribuciones, tanto teoría como aplicaciones o inclusive
nuevas e innovadoras aplicaciones de las redes neuronales en
un futuro.
30
INVESTIGACIÓN
[RNA]
Por otra el Impacto Negativo que esta investigación generara
en la sociedad será que al no generar ningún tipo de
tecnología la sociedad posiblemente se vea incrédula ante la
importancia que tendrá en su vida la implementación de las
redes neuronales artificiales.
IMPACTOS TECNOLOGICOS
Impacto Positivo:
Solo es una investigación a fondo la cual beneficiara a la
comunidad estudiantil del Tecnológico de Estudios Superiores
de Jocotitlán a conocer al funcionamiento de las redes
neuronales artificiales así mismo con base a esta información
se espera a que algún alumno que se interese sobre este
proyecto quiera desarrollarlo físicamente.
Impacto Negativo:
No se llevara acabo físicamente.
IMPACTOS ECOLOGICOS O AMBIENTALES
31
INVESTIGACIÓN
[RNA]
Impacto Positivo: Debido a que el proyecto solo se realizara
de manera teórica y no se hará uso de tecnología alguna pues
no se llevara a cabo su implementación, no implica ningún
impacto positivo al medio.
Impacto Negativo: El número de hojas que se utilizaran al
imprimir el documento ocasionan un impacto importante ya
que es un número considerable de hojas las que se utilizaran.
Podríamos evitar esto solo guardando el archivo en
electrónico.
Ya que el tiempo utilizado para la realización del
proyecto es muy largo, se hace uso de mucha energía al
tener conectada la PC a una fuente de corriente durante
varias horas.
IMPACTOS ECONOMICOS
Impacto positivo: La realización de la investigación de Redes
Neuronales Artifiales tiene un efecto sobre el nivel de
actividades económicas limitadas por el motivo que se ha
estado mencionando a lo largo de esta investigación el cual
vuelvo a recalcar se hace de forma teórica. Por tanto no
32
INVESTIGACIÓN
[RNA]
tenemos gastos de gran magnitud a comparación de que se
hubiera llevado acabo un proyecto tangible.
Su impacto seria tan grande como en nivel económico,
monetario como lo requiera el proyecto de Redes Neuronales
Artificiales cabe mencionar que el coste de un proyecto de
este nivel no sale en un bajo costo.
Impacto negativo: Dentro de estos la huella de nivel de
economía son los gastos que se adquirieron conforme al
proceso de realización de la investigación como lo fueron:
Impresiones
Tiempo de Internet
Visita Bibliotecas particulares
Un engargolado
Todos fueron gastos mínimos pero al final traen de cuentas
traen un monto monetario.
33
INVESTIGACIÓN
[RNA]
M E T O D O L O G I A U T I L I Z A R
La utilización de metodologías en la investigación Redes
Neuronales Artificiales en causa de implementación de 3 tipos
de métodos como lo son:
Método Analítico.
Método Deductivo.
Método Inductivo.
La razón es que cada uno de estos tiene una definición y
función, clara y especifica. La cual es aplicable a este tema ya
que es una investigación en donde se engloba el conjugar el
analizar, deducir e involucrarnos para generar un
conocimiento más simple de este programa.
Y poder resolver cada una de las dudas y preguntas por la
cual se tuvo el interés en la investigación de Redes
34
INVESTIGACIÓN
[RNA]
Neuronales Artificiales. Así concluimos en algo que desde el
principio de tal fue la meta ¿UNA MAQUINA REMPLAZARA AL
SER HUMANO?
A S E G U R A M I E N T O T E C N I C O – M A T E R I A L
RECURSOS UTILIZADOS
Recursos Humanos
Los recursos humanos utilizados en la realización de esta investigación sobre Redes Neuronales Artificiales son:
Cruz Amado Ezequiel López Piña Verónica Martínez Monroy Juan Carlos Reyes Romero Georgina Patricia Torres Becerril Mylee Annel Ing. Yerene Castillo Margarita Psiquiat. Sergio Ponce
Recursos Materiales
35
INVESTIGACIÓN
[RNA]
Los recursos materiales a utilizar a lo largo de esta investigación serán:
Impresiones Equipos de computo Lapiceros Lápiz Revistas Libros Videos TV (Programas).
Recursos Tecnológicos
Internet Equipo de computo Memoria USB Proyector
Recursos Económicos
36
INVESTIGACIÓN
[RNA]
F U E N T E S D E I N F O R M A C I Ó N
Redes Neuronales Artificiales y sus Aplicaciones, Profesor
Xabier Basogain Olabe de Escuela Superior de Ingeniería
de Bilbao UPV – EHU.
La era de las maquinas espirituales "La única mirada al
futuro",Kurzweil Ray,Massachusetts,2005,McGraw Hill.
ASPECTO CANTIDAD PRECIO TOTAL
Impresiones B/N. 20 $ 1 MN c/u $ 20 MN
Impresiones Color.
(Investigación original)
30 $ 2 MN c/u $ 60 MN
Engargolado. 1 $ 12 MN c/u $ 12 MN
Copias 50 0.50 MN c/u $ 25 MN
Internet. 10(Horas) $ 8 MN (Hora) $ 80 MN
TOTAL $ 1 0 5 MN
37
INVESTIGACIÓN
[RNA]
http://www.dominio.watson.ibm.com/comm/
research.nsf/pages/r.ai.html,2 de Junio de 2012,14:45,
IBM, USA.
Camino a la súper inteligencia "Cerebros inteligentes”,
Mario Todd, Muy Interesante,2010, No. 06,Pág. 88-92.
Tecnologías inteligentes para la gestión empresarial.
México: Alfa omega, c1999.
Munárriz, Luis Álvarez. Fundamentos de inteligencia
artificial. España: Universidad de Murcia, 1994.
Isasi Viñuela, Pedro; Galván León, Inés M. Redes de
neuronas artificiales: un enfoque práctico. Pearson
Educación, 2004, Madrid: Pearson Educación, 2004.
C R O N O G R A M A D E A C T I V I D A D E S