Portafolio de evidencias Universidad Autónoma del estado de hidalgo Portafolio de evidencias Sección 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

INDICE 1.- Introducción 2.- Objetivo 3.- Descripción del contenido 3.1 Cronología de una red neuronal artificial 3.2 Neurona Biológica 3.3 Modelos de aprendizaje y razonamiento 3.4 Neurona Artificial 4.- Evidencias 4.1 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

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.

2.- OBJETIVO 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

3.- DESCRIPCIÓN DEL CONTENIDO 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.

3.2 Neurona Biológica La 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 artificial Una 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 HARDLIMS hardlims(n) = 1, if n >= 0 -1, otherwise

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

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

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

CONCLUSIONES 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.