ENERGIAS RENOVABLES RNA

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO[pic 1][pic 2]

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

ESCUELA PROFESIONAL DE INGENIERÍA ELECTRÓNICA

                                                               MONOGRAFIA

 
                                                          ELABORADO POR:[pic 3]

• DÁVILA REQUE JULIÁN SAÚL
• DIAZ VEGA FIDEL
• FLORES HUAMAN JOHN
• GALAN ARROYO DANIELA DEL ROSARIO

LAMBAYEQUE – PERÚ

ÍNDICE DE TÍTULOS Y SUBTÍTULOS:

DEDICATORIA        3

INTRODUCCION        3

OBJETIVOS        4

CAPITULO 1: DEFINICIÓN DE REDES NEURONALES ARTIFICIALES        5

CAPITULO 2: HISTORIA DE LAS REDES NEURONALES ARTIFICIALES        6

CAPITULO 3: MODELOS DE REDES NEURONALES ARTIFICIALES        8

CAPITULO 4: ARQUITECTURA DE LAS RNA        10

CAPITULO 5: LA NEURONA BIOLÓGICA Y UNA NEURONA ARTIFICIAL        11

CONCLUSIONES:        13

REFERENCIAS        15

DEDICATORIA

Dedicamos esta monografía completamente a mi maestra mentora quien nos ha mantenido enfocados y en el camino correcto para la finalización exitosa de esta monografía. Agradecidos por su orientación brindada.

INTRODUCCION

Las ARN han sido un pilar fundamental en el desarrollo de la vida humana desde sus inicios, al observar los diferentes dispositivos que usamos cada día, podemos darnos cuenta de la importancia vital que el desarrollo de la inteligencia artificial ha traído a nuestras vidas en sociedad. Podemos hablar de ésta como la revolución tecnológica más importante desde la invención de la informática, porque ha ido cambiando gradualmente nuestra forma de vida. A principios de la década de 1980, hubo un gran interés en un método de representación del conocimiento que simulara ciertos procesos biológicos. Este método se llamó redes neuronales. Para comprender cómo funciona, es necesario tener algún conocimiento del funcionamiento del cerebro humano.

Las redes neuronales artificiales (ARN) están inspiradas en los sistemas nerviosos biológicos. Intenta al menos replicar la forma en que funciona el cerebro humano en las computadoras, ya sea en hardware o software, estas redes resuelven problemas para los que no fue programado explícitamente.

El estudio de las redes neuronales es un campo extremadamente interdisciplinario, tanto en desarrollo como en aplicaciones. Las redes neuronales se pueden aplicar en una variedad de campos, desde actividades de investigación hasta aplicaciones comerciales e industriales.

Aunque estos procesan la información muy rápidamente, existen algunas tareas muy complejas, como reconocer y clasificar patrones, que requieren demasiado tiempo y esfuerzo, incluso en las computadoras más potentes de la actualidad. pero que el cerebro humano es más hábil para resolverlos, a menudo sin esfuerzo aparente (considere al lector como un ejemplo de cómo reconocer un rostro familiar entre una multitud de otros rostros). Se puede pensar en el cerebro como un sistema muy complejo.

Su unidad básica, la neurona, está distribuida de manera abrumadora con conexiones entre ellas (se estima que hay alrededor de 10 mil millones de neuronas en la corteza cerebral y 60 billones de conexiones neuronales). Aunque existen diferentes tipos de neuronas biológicas.

OBJETIVOS

• Objetivo general:

• Demostrar las aplicaciones de las “Redes neuronales artificiales”, en la ingeniería electrónica y su influencia en el desarrollo de la vida humana.

• Objetivos específicos:

• Explicar la importancia del desarrollo de las redes neuronales artificiales.
• Evidenciar la utilidad de las redes neuronales en los sistemas de información, cuando el proceso de toma de decisiones es complejo es decir con grandes volúmenes de información.
• Explicar los fundamentos de las arquitecturas de redes neuronales artificiales.

CAPITULO 1: DEFINICIÓN DE REDES NEURONALES ARTIFICIALES

Las redes neuronales son un modelo computación inspirado en el comportamiento conocido del cerebro humano (refiriéndose principalmente a neuronas y conexiones), se intenta crear modelos artificiales que resuelvan problemas difíciles de resolver utilizando técnicas algorítmicas convencionales, sigue. compuesto por un conjunto de unidades llamadas neuronas "artificiales" conectadas entre sí para transmitir señales, estas señales se transmiten desde la entrada para generar una salida. Estos sistemas tienen como objetivo emular determinadas funciones cognitivas de los seres vivos mediante interacciones entre neuronas que son moduladas o reguladas por pesos, cuyo valor se determina adaptando estos pesos a un gran número de ejemplos o situaciones hasta llegar a un rendimiento. "Adecuado" según varios criterios previamente determinados.

• Objetivo

El objetivo principal de la red neuronal es resolver problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales de hoy en día contienen típicamente entre varios miles y algunos millones de unidades neuronales. De esta forma se pueden automatizar funciones que en un principio solo podían ser realizadas por personas.

• Funcionamiento

El funcionamiento de las redes es similar al del cerebro humano. Las redes reciben una serie de valores de entrada y cada una de esas entradas llega a un nodo llamado neurona. Las neuronas de la red se agrupan a su vez en capas que forman la red neuronal. Cada una de las neuronas de la red a su vez tiene un peso, un valor numérico, con el que modifica la entrada recibida. Los nuevos valores obtenidos abandonan las neuronas y continúan su camino por la red.

Una vez que se llega al final de la red, se obtiene una salida que será la predicción calculada por la red. Cuantas más capas y más compleja sea la red, más complejas serán las funciones que puede realizar.

CAPITULO 2: HISTORIA DE LAS REDES NEURONALES ARTIFICIALES

Desde la década de 1940, cuando nació y comenzó a desarrollarse la informática, el modelo neuronal la ha acompañado. De hecho, el auge de las computadoras digitales y el desarrollo de teorías modernas sobre el aprendizaje y el procesamiento neuronales sucedieron al mismo tiempo, a fines de la década de 1940.

Desde entonces hasta hoy, la investigación neurofisiológica y el estudio de los sistemas neuronales artificiales (SNA) fueron de la mano. Sin embargo, los modelos ANS no se centran en la investigación neurológica, sino que toman conceptos e ideas del campo de las ciencias naturales y los aplican para resolver problemas pertenecientes a otras ramas de la ciencia y la ingeniería.

Podemos decir que la tecnología ANS incluye modelos inspirados en nuestra comprensión del cerebro, pero no necesariamente tienen que corresponder exactamente a los modelos derivados de esa comprensión.

Los primeros ejemplos de tales sistemas aparecen a finales de la década de 1950. La referencia histórica más común es la del trabajo de Frank Rosenblatt en un dispositivo llamado perceptrón. Hay otros ejemplos, como el desarrollo de Adaline por el profesor Bernard Widrow.

A lo largo de los años, la tecnología ANS no siempre ha recibido la misma atención en la ingeniería y la informática, y se ha orientado más hacia los resultados que la neurociencia. A partir de 1969, el pesimismo se desvaneció debido a las limitadas capacidades del perceptrón en este tipo de investigaciones.

CAPITULO 3: MODELOS DE REDES NEURONALES ARTIFICIALES

Los modelos de redes neuronales en inteligencia artificial generalmente se refieren a redes neuronales artificiales (ARN); Estos modelos están estrechamente asociados con un algoritmo de aprendizaje particular o una regla de aprendizaje.

• Función de red

La palabra red en el término "red neuronal artificial" se refiere a las interconexiones entre neuronas en las diferentes capas de cada sistema. Un sistema de ejemplo tiene tres capas. La primera capa tiene neuronas de entrada que envían datos a través de sinapsis a la segunda capa de neuronas y luego a través de otras sinapsis a la tercera capa de neuronas de salida. Los sistemas más complejos tendrán más capas, algunas de las cuales aumentarán la entrada y salida de neuronas. Las sinapsis almacenan parámetros llamados "pesos" que manipulan los datos en los cálculos.

...