UNIVERSIDAD NACIONAL DE

INGENIERÍA

INTELIGENCIA ARTIFICIAL

UNIDAD: V
REDES NEURONALES ARTIFICIALES

Integrantes:
Eveling Valdivia Rodriguez
Katya Idania Rodríguez Ramírez
Edgar Mercado Zepeda
Margine Quintanilla
Olony Rocha Landeros
 FUNCIONAMIENTO DE UNA NEURONA
BIOLOGICA
El cerebro consta de un gran numero (1011) de
elementos altamente interconectados
(aproximadamente 104 conexiones por elemento),
llamados neuronas. Estas neuronas tienen tres
componentes principales:

Las dendritas
El cuerpo de la Celula o soma

El axon
Las dendritas son el arbol receptor de la red, son
como las fibras nerviosas que cargan de señales
electricas el cuerpo de la cedula. El cuerpo de la
cedula, realiza la suma de esas señales de entrada.

El axón es una fibra larga que lleva la señal desde

el cuerpo de la cedula hasta otras neuronas. El
punto de contacto entre un axon de una cedula y
una dendrita de otra cedula es llamado sinapsis, la
longitud de la sinapsis es determinada por la
complejidad del proceso quimico que estbiliza la
funcion de la red neuronal.
CARACTERISTICAS DE UNA RED
NEURONAL ARTIFICIAL
 El modelo de una neurona artificial es una
imitacion del proceso de una neurona
biologica, puede tambien asemejarse a un
sumador hecho con un amplificador
operacional tal como se ve en la figura
Existen varias formas de nombrar una neurona
artificial , es conocida como nodo, neuronodo,
celda, unidad o elemento de procesamiento(PE)
Los pesos pueden ser positivos (excitatorios) o negativos
(inhibitorios).El nodo sumatorio acumula todas las señales de
entradas multiplicadas por los pesos o ponderadas y las pasa a las
salidas a través de una función lumbral o transferencia, la entrada
neta a cada unidad puede escribirse de la siguiente manera:
REDES NEURONALES
ARTIFICIALES CON MATLAB
Matlab utiliza una estructura única que da acceso a
todas las propiedades de una red neuronal,
independientemente del tipo que esta sea, de
manera que utilizando esta propiedad podremos
modificar las entradas, capas, conexiones, pesos,
etc. De esta manera una vez configurada la red
neuronal según las necesidades se invocaran las
funciones de manipulación de redes neuronales
disponibles en Matlab, (simulación, entrenamiento,
inicialización, etc.), pasándole como parámetro la
estructura de la red neuronal.

net = network;
 Si ejecutamos el comando anterior y visualizamos el
contenido de la variable Network se nos
proporciona la estructura mencionada, la cual se
puede dividir en cinco secciones:
 Arquitectura

 Subobjetos

 Funciones

 Parámetros

 Valores
Arquitectura: Define las características básicas de
la red neuronal, número de entradas, capas,
conexiones, etc.

Sub-Objetos: Contiene referencias a las

subestructuras de la red neuronal, que nos
permitirán configurar las propiedades de los
distintos componentes que forman la red (capas,
entradas, salidas, etc.).
VEREMOS ALGUNAS DEMOSTRACIONES DE REDES LINEALES QUE
VIENEN CON EL MÓDULO DE REDES
NEURONALES DE MATLAB. LAS OPCIONES SON:
Demolin1. Diseño de una neurona lineal.
Demolin2. Entrenamiento de una neurona
lineal.
Demolin3. Caso sobre-determinado.
Demolin3. Caso sobre-determinado.