Portafolio de evidenciasSección 1 y 2 de la materia de Redes Neuronales

Duración: Del 5 al 13 de agosto 2010

Facilitador:Dr. Joel Suarez

Autor:Ing. Henry P. Paz Arias

Universidad Autónoma del estado de hidalgo

1.- Introducción2.- Objetivo3.- Descripción del contenido

3.1 Cronología de una red neuronal artificial3.2 Neurona Biológica3.3 Modelos de aprendizaje y razonamiento3.4 Neurona Artificial

4.- Evidencias4.1 Cronología de una red neuronal artificial.4.2 Cronología de modelos aprendizaje, razonamiento.4.3 Mapa conceptual del modelo biológico de una

neurona.4.4 Crucigrama de 10 verticales por 10 horizontales.4.5 Crucigrama de 20 verticales por 20 horizontales.4.6 Mapa conceptual de la neurona biológica y artificial.

5.- Conclusiones

INDICE

1.- INTRODUCCIÓN En este portafolio de evidencia se presenta

diferentes temas para entender el uso y funcionamiento de las redes neuronales artificiales, empezando con la historia de las redes neuronales, la manera como por el transcurso del tiempo se ha venido estudiando el cerebro humano, el sistema nervioso, las neuronas. Se muestra las explicaciones de las neuronas artificiales, y el estructura del núcleo por sus funciones de propagación, activación y salida.

Mostrar la cronología de las redes neuronales

Presentar la estructura y funcionamiento de una neurona biológica.

Mostrar la cronología de los métodos de aprendizaje, razonamiento

Presentar el funcionamiento de una neurona artificial

2.- OBJETIVO

Partiendo de dos conceptos tanto el materialismo como el idealismo, que el primero menciona acerca de explicaciones científicas y el idealismo dice que ya nacemos con conocimiento.

3.1 Cronología de una red neuronal artificial

A inicios de tiempos se a estudiado el funcionamiento de redes neuronales, empezando desde A.C por platón sobre explicaciones teóricas, teniendo un año importante como 1956 el del nacimiento de la inteligencia Artificial.

3.- DESCRIPCIÓN DEL CONTENIDO

3.2 Neurona BiológicaLa neurona emite impulsos de actividad

eléctrica a lo largo de una fibra larga y delgada denominada axón, que se divide en millares de ramificaciones.

Una neurona en general esta formada por soma, núcleo, dendritas(capacidad de recibir estímulos), nutrientes y axón.

La conexión de una neurona puede ser axón – axón, dendrita – dendrita, axón dendrita.

Donde la neurona recibe estímulos, los procesa y responde.

3.3 Modelos de aprendizaje y razonamiento

Desde hace años atrás se a estudiado el aprendizaje, el razonamiento y la mente, uno de los grandes estudios de estos temas es Johnson acerca de la teoría de los modelos mentales en 1991.

3.4 Neurona artificialUna neurona artificial intenta imitar los

aspectos de esta en cuanto a su comportamiento y funcionamiento de una neurona biológica. De este modo se disponen de unas entradas y salidas, como en las neuronas biológicas, que transmitirán valores, bien reales o binarios de una neurona a otra, en vez de señales electroquímicas.

En el núcleo de la neurona contiene el sistema de integración de estímulos, las funciones de activación y su respectiva salida.

Integración de estímulos(entrada neta):Función de Activacion: Calculo de la salida

evaluando la neta en la función de Activación, las funciones de activacion mas utilizadas son:

HARDLIM hardlim(n) = 1, if n >= 0

HARDLIMShardlims(n) = 1, if n >= 0 -1, otherwise

SATLIN a = satlin(n) = 0, if n <= 0 n, if 0 <= n <= 1 1, if 1 <= n

SATLINSa = satlins(n) = -1, if n <= -1 n, if -1 <= n <= 1 1, if 1 <= n

LOGSIG logsig(n) = 1 / (1 + exp(-n))

TANSIG a = tansig(n) = 2/(1+exp(-2*n))-1

PURELIN a = purelin(n) = n

4.- EVIDENCIAS

4.1 Cronología de una redneuronal artificial.

ObjetoAño

inicio Año finExplicaciones Teóricas - Platon 0427 BC 0347 BCExplicaciones Teóricas - Aristoteles 0422 BC 0348 BCAutómata hidráulico - Heron 0100 BCExplicaciones Teóricas - Descartes 1569 1650Explicaciones Teóricas - Filosofos empiristas 1701 1800Primero en estudiar el cerebro - Alan Turing 1936Neuronas Digitales - W. McCulloch/Walter Pitts 1943Procesos de aprendizaje - Donal Hebb 1949Información distribuida - Karl Lashley 1950SNARC- M. Minsky/E.Edmans 1951Modelo de Hodgkin y Huxley 1952The first scientific model of a spiking neuron -Alan Lloyd Hodgkin and Andrew Huxley 1952Nacimiento de la inteligencia A. - Congreso de Dartnouth 1956Perceptrón - Frank Rosenblatt 1957Teorema de convergencia del perceptrón - Frank Rosenblatt 1959Modelo Ada-Line - Bernard Windrow/Marcial Hoff 1960Memoria asociativa - Karl Steinbeck 1961Red Avalancha - Stephen Grossberg 1967Perceptrón era muy débil - Marvin Minsky/Seymour 1969Asociador lineal (BSB) - James Anderson 1969Backpropagation - Raul Werbos 1974Asociador lineal independiente - Teuvo Kohonen 1977Teoria de razonamiento adaptado - Stephen Grossberg 1977Patrones Visuales - Kunihiko Fukushima 1980Renacimiento R.N. - John Hopfield 1985Redescubrimiento Backpropagation - David Rumelhart 1986

4.2 Cronología de modelos aprendizaje, razonamientoObjeto Año de inicio Año finAño fin

Id e a - a c to d e p e n s a m ie n to - D e s c a rte 1 5 9 6 1 6 5 0

E l p rim e r Te s t - F ra n c is G o lto n 1 8 2 2 1 9 1 1

P la n te a e l fu n c io n a lis m o - Ja m e s W ill ia m 1 8 4 2 1 9 1 0

E s tu d io s s o b re c o n d ic io n a m ie n to - Iva n P a u lo v 1 8 4 9 1 9 3 6

E s tu d io s s o b re c o n d ic io n a m ie n to - V la d im ir B e c h te re r 1 8 5 7 1 9 2 7

M o d e lo d e In to rs p e c c io n - E .Tith c e n e r 1 8 6 7 1 9 2 7

E s tu d io s s o b re c o n d ic io n a m ie n to - Th o rn d ik e 1 8 7 4 1 9 4 9

C o n d u c t is m o s o b re e l a p re n d iz a je - Jo h n W a ts o n 1 8 7 8 1 9 5 8

P s ic o lo g ía d e c o n te n id o s - Tit c h e n e r 1 9 0 0

P s ic o lo g ía p ro c e s u a l - K ü lp e 1 9 0 0 1 9 3 0

M o d e lo U n ita rio - S p e a rm a n 1 9 0 4 1 9 2 3

M o d e lo M u lt ifa c to ria l - Th u rs to n 1 9 3 8

M o d e lo Je rá rq u ic o - V e rn o n / C a rro ll 1 9 5 6

L a te o ría d e h e u rís t ic o s n o e s ta d ís t ic o s - K a h n e m a n y Tve rs k y 1 9 6 0 1 9 7 0

m o d e lo a n a ló g ic o d e Jo h n s o n -L a ird y S te e d m a n 1 9 6 0 1 9 7 0

m o d e lo d e c a d e n a t ra n s it iva - (G u y o te y S te rn b e rg ) 1 9 6 0 1 9 7 0

m o d e lo d e c o n ve rs ió n d e R e vlis 1 9 6 0 1 9 7 0

e l m o d e lo d e la im a g e n d e - S o to 1 9 6 5

M o d e lo D ic o tó m ic o - H o rn y C a t te ll 1 9 6 6

R a z o n a m ie n to p ro p o s ic io n a l. - S ta u d e n m a y e r 1 9 7 5 1 9 7 8

E l m o d e lo c o m p o n e n c ia l - S te rn b e rg 1 9 7 7

E l m o d e lo s in tá c t ic o - G e n tn e r 1 9 8 3

L a te o ría d e h e u rís t ic o s e s ta d ís t ic o s - N is s b e t t 1 9 8 3

E l m o d e lo p ra g m á t ic o - H o ly o a k 1 9 8 4

m o d e lo d e t ip o h e u rís t ic o - JB ra in e y O ´B rie n 1 9 9 1

m o d e lo d e t ip o h e u rís t ic o - Jo h n s o n -L a ird y B y rn e 1 9 9 1

te o ría d e m o d e lo s m e n ta le s Jo h n s o n -L a ird y B y rn e 1 9 9 1

M o d e lo d e la In te lig e n c ia M ú lt ip le - E y s e n c k 1 9 9 3

m o d e lo d e t ip o h e u rís t ic o - R ip s 1 9 9 4

Tª d e re g la s fo rm a le s d e in fe re n c ia - R ip s 1 9 9 4

m o d e lo d e t ip o h e u rís t ic o - F o rd 1 9 9 5

m o d e lo d e t ip o h e u rís t ic o - N e w e ll y P o lk 1 9 9 5

m o d e lo d e t ip o h e u rís t ic o - O a k s fo rd y S te n n in g 1 9 9 9

4.3 Mapa conceptual del modelo biológico de una neurona.

4.4 Crucigrama de 10 verticales por 10 horizontales

4.5 Crucigrama de 20 verticales por 20 horizontales

4.6 Mapa conceptual de la neurona biológica y artificial

El estudio de las redes neuronales ha venido desde hace muchos años atrás, y hoy esta en el auge de desarrollo.

Cada neurona desarrolla impulsos eléctricos que se transmiten a lo largo de una parte de la célula muy alargada llamada axón.

El estudio de los métodos de aprendizaje y razonamiento ha sido estudiado por muchos autores al pasar de los años.

Una neurona artificial es muy parecida a una neurona biológica, y el funcionamiento es por medio de funciones de transferencia, activacion y salida.

CONCLUSIONES