Redes Neuronales

“Año de la unidad, la paz y el desarrollo”
FACULTAD DE CIENCIA E INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA DE
SISTEMAS
Docente:
JORGE LUIS GUTIERREZ GUTIERREZ
Tema:
El plan estratégico, metas estratégicos
Integrantes:
LEON LAGO, ORLANDO
LEON ESPINOZA , EYNER
QUIROZ SANTOS, JANET
Chimbote- Perú
2023
ESTADO DEL ARTE DE LAS REDES NEURONALES
ARTIFICIALES
Definición de Redes Neuronales
Redes neuronales es un modelo matemático y un método de aprendizaje automático “de la

inteligencia artificial inspirado en la estructura y funcionamiento del cerebro humano”. Se
compone de un conjunto de algoritmos y procesos matemáticos diseñados para reconocer
patrones complejos y relaciones entre entradas y salidas de datos, con el objetivo de
identificar patrones y realizar clasificaciones, predicciones y reconocimiento de objetos. “Las
redes neuronales artificiales están compuestas por capas interconectadas de nodos o unidades
de procesamiento”, que se comunican mediante conexiones sinápticas y se organizan en
diferentes arquitecturas, como las redes de Perceptrón multicapa (MLP), las redes
convolutivas (ConvNet) o las redes recurrentes (RNN), entre otras. Las redes neuronales han
demostrado ser eficaces en diversas aplicaciones informáticas, “desde el reconocimiento de
voz y objetos hasta el procesamiento de imágenes y el reconocimiento de texto” según
Restrepo, Viloria Y Robles (2021).
Ventajas de las redes neuronales
Según el autor Matich (2001) por su constitución y sus establecimientos, las redes
cerebrales falsas tienen innumerables atributos como los de la mente. Tienen
innumerables cualidades como las del cerebro. Por ejemplo, son aptas para la obtención
de hechos, de la suma de casos pasados a otros nuevos, de la abstracción de casos, de
abstraer elementos fundamentales de entradas que tratan datos superfluos, etc. datos
superfluos, etc. Esto implica que ofrecen diversas ventajas y que este tipo de innovación
se está aplicando en innovación se está aplicando en distintas regiones. Algunas de las
ventajas son:
● Aprendizaje versátil. Capacidad para averiguar cómo realizar tareas en función

de la preparación o la experiencia inicial.
● Autoasociación. Una organización cerebral puede hacer su propia asociación o
representación de los datos que una organización cerebral puede hacer su propia
asociación o representación de los datos que obtiene a través de una etapa de
aprendizaje.
● Adaptación al fracaso no crítico. La obliteración a medias de una organización
provoca una corrupción de su corrupción de su construcción; sea como fuere,
pueden mantenerse algunas capacidades de la organización, independientemente
de que experimente un extraordinario sostenido, independientemente de si
experimenta un daño significativo.
● Actividad constante. Los cálculos cerebrales pueden actuar en igualdad. Las
máquinas se planifican y fabrican con equipos únicos para adquirir esta
capacidad.
● Incorporación sencilla a la innovación existente. Chips específicos para
organizaciones cerebrales se pueden adquirir chips específicos para redes
cerebrales que trabajen con su capacidad para tareas específicas. Este funcionará
con una unión aislada en los marcos existentes.
Desventajas de las redes neuronales
Según el autor Murillo (2020) a pesar de que las redes cerebrales se han convertido en el
cálculo más impresionante (y el único relevante) en numerosas situaciones, en la
actualidad gozan de ventajas e impedimentos que deberíamos conocer. Entre los
impedimentos podemos destacar:
● Complejidad del aprendizaje para empresas enormes, cuantas más cosas necesite
aprender una organización, más confuso será educarla.
● Tiempo de aprendizaje elevado. Esto depende de dos variables: primero, si la
cantidad de ejemplos a distinguir o agrupar aumenta, y segundo, suponiendo que
se espera una adaptabilidad o flexibilidad más prominente de la red cerebral para
percibir diseños que son muy comparables, se debe poner recursos de tiempo
adicionales para hacer que la organización se fusione a los lados superiores de las
cargas que abordan lo que se debe instruir.
● No permite descifrar lo que se ha realizado, la organización real da un resultado,
un número, que no se puede descifrar sin ayuda de nadie, pero requiere la
mediación del desarrollador y la aplicación real para encontrar un significado al
resultado dado.
● Alta medida de información para la preparación, cuanto más adaptable se espera
que sea la red cerebral, más datos debe ser educada para desempeñar
adecuadamente la prueba distintiva.
Casos exitosos de Redes Neuronales
Fernández y Flórez (2008) hay muchos casos exitosos de aplicaciones de redes neuronales en
diversas áreas. A continuación se mencionan algunos de ellos.
1. Reconocimiento de imágenes: Las redes neuronales convolucionales (CNN) han

demostrado un gran éxito en el campo del reconocimiento de imágenes. Por ejemplo,
en 2012, el equipo de investigadores de Google desarrolló una red neuronal llamada
"AlexNet" que logró un avance significativo en la competencia de clasificación de
imágenes ImageNet, superando a los métodos tradicionales. Desde entonces, se han
desarrollado varias arquitecturas de CNN aún más poderosas, como VGGNet, ResNet
e InceptionNet, que han demostrado un rendimiento sobresaliente en la clasificación
de imágenes y tareas relacionadas.
2. Procesamiento del lenguaje natural (NLP): Las redes neuronales recurrentes (RNN) y
las redes neuronales transformadoras (como el modelo GPT-3) han logrado resultados
impresionantes en tareas de procesamiento del lenguaje natural. Por ejemplo, en
traducción automática, el modelo "Transformer" desarrollado por Google ha
establecido nuevos estándares de precisión y fluidez en la traducción automática a
gran escala.
3. Conducción autónoma: Las redes neuronales han sido fundamentales en el desarrollo

de vehículos autónomos. Compañías como Tesla utilizan redes neuronales para la
percepción del entorno, detección de objetos y toma de decisiones en tiempo real.
Estas redes neuronales permiten que los vehículos autónomos interpretan y responden
a su entorno de manera segura y precisa.
4. Medicina: Las redes neuronales han demostrado ser útiles en numerosas aplicaciones
médicas, como el diagnóstico de enfermedades a partir de imágenes médicas (por
ejemplo, detección de cáncer en imágenes de mamografías) y la predicción de
resultados médicos (por ejemplo, la predicción de recaídas en pacientes con cáncer).
Estas aplicaciones pueden ayudar a los médicos a tomar decisiones más informadas y
mejorar la precisión del diagnóstico.
5. Juegos: Las redes neuronales han sido exitosamente aplicadas en el campo de los
juegos, particularmente en el ámbito de los videojuegos. Por ejemplo, el programa
AlphaGo de DeepMind (propiedad de Google) derrotó al campeón mundial de Go en
2016, un hito importante en la inteligencia artificial. AlphaGo utilizó una
combinación de redes neuronales convolucionales y algoritmos de búsqueda para
tomar decisiones estratégicas en el juego.
Estos son solo algunos ejemplos de casos exitosos de aplicaciones de redes neuronales. La
capacidad de las redes neuronales para aprender de grandes conjuntos de datos y reconocer
patrones complejos las ha convertido en una herramienta poderosa en una variedad de
campos.
Las investigaciones de Redes Neuronales en Perú

Reátegui y Velasco (2018) realizaron una investigación titulada, “Aplicación Informática
para reconocimiento de la especie Camu Camu (Myrciaria Dubia) a través de redes
neuronales, en Iquitos Perú” “donde se realizó dado la incertidumbre en el
reconocimiento de especies de la flora”, “que es un problema bastante común para la
selva amazónica”, esto debido a que hay poco existente de expertos en el
reconocimiento de la floresta, por eso esta investigación tuvo como objetivo la
implementación de un software, realizado a partir de la utilización de procedimientos
de Organizaciones Cerebrales Convolucionales. Los métodos de redes cerebrales
convolucionales, “que permiten el reconocimiento de las plantas de Camu a partir a
partir de sus hojas”, para lo cual la estrategia utilizada fue de tipo práctico innovador con
ensayo aplicación mecánica con plan exploratorio, considerando un banco de 2800
imágenes para la preparación 2800 fotos para los procesos de preparación, aprobación y
prueba de uso (1400 fotos de Camu y 1400 fotos diferentes de Camu). Alcanzando el
100% en el caso de la Capacidad de Respuesta y el 97% en el caso de la Explicitud,
exhibiendo así a eficacia tanto la ejecución de utilización do producto como una
utilización de la organización. la utilización del producto como en la utilización de la red
cerebral convolucional en las etapas de preparación y aprobación. así como en las etapas
de aprobación; por último, se reconoció la especulación de exploración: “El programa de
reconocimiento Camu la programación de reconocimiento Camu”, producida utilizando
métodos de redes cerebrales convolucionales, será estrategias, “será un dispositivo
convincente para la identificación de las plantas de Camu”.
Proceso General de la Red Neuronal Convolucional
“Filtro y tipo de Operación e imagen Conmocionada que se produce”

REFERENCIAS BIBLIOGRÁFICAS
1. Fernández Fernández, J. M., Flórez López, R. (2008). Las Redes Neuronales

Artificiales. España: Netbiblo.
2. Matich Damián (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones.

https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monogr
aias/matich-redesneuronales.pdf
3. Murillo Moctezuma, E. S. (2020). Ventajas y Desventajas de Redes neuronales.
4. Restrepo Leal, D. A. Viloria Porto, J. P. Y Robles Algarín, C. A. (2021). El camino a

las redes neuronales artificiales. 1. Editorial Unimagdalena.
https://elibro.net/es/lc/uladech/titulos/222347
5. Reátegui, A., Manuel, P., & Velasco, A. (n.d.). Edu.Pe. Retrieved May 16, 2023, from
https://repositorio.unapiquitos.edu.pe/bitstream/handle/20.500.12737/5962/Alejandro
_tesis_maestria_2018.pdf?sequence=1&isAllowed=y

Redes Neuronales

Cargado por

Copyright:

Formatos disponibles

Redes Neuronales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Redes Neuronales

Cargado por

Copyright:

Formatos disponibles

“Año de la unidad, la paz y el desarrollo”

FACULTAD DE CIENCIA E INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA DE

LEON LAGO, ORLANDO

LEON ESPINOZA , EYNER

QUIROZ SANTOS, JANET

Definición de Redes Neuronales

Redes neuronales es un modelo matemático y un método de aprendizaje automático “de la

● Aprendizaje versátil. Capacidad para averiguar cómo realizar tareas en función

1. Reconocimiento de imágenes: Las redes neuronales convolucionales (CNN) han

3. Conducción autónoma: Las redes neuronales han sido fundamentales en el desarrollo

Las investigaciones de Redes Neuronales en Perú

“Filtro y tipo de Operación e imagen Conmocionada que se produce”

1. Fernández Fernández, J. M., Flórez López, R. (2008). Las Redes Neuronales

2. Matich Damián (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones.

3. Murillo Moctezuma, E. S. (2020). Ventajas y Desventajas de Redes neuronales.

4. Restrepo Leal, D. A. Viloria Porto, J. P. Y Robles Algarín, C. A. (2021). El camino a

También podría gustarte