Una aproximación práctica a las redes neuronales artificiales

Muchos de los desarrollos del hombre se deben a su capacidad para explicar y emular funciones que son realizadas por seres vivos, por ejemplo, se puede citar el radar, el cual surge como una emulación de la forma como un murciélago es capaz de detectar los objetos que están en su camino, sin necesid...

Full description

Autores:
López Sotelo, Jesús Alfonso
Caicedo Bravo, Eduardo Francisco
Tipo de recurso:
Article of journal
Fecha de publicación:
2009
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/12169
Acceso en línea:
http://red.uao.edu.co//handle/10614/12169
Palabra clave:
Redes neuronales (Computadores)
Inteligencia artificial
Neural networks (Computer science)
Artificial intelligence
Rights
openAccess
License
Derechos Reservados - Universidad del Valle, 2009
id REPOUAO2_31436517c50222e13847a62f4d094a9a
oai_identifier_str oai:red.uao.edu.co:10614/12169
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Una aproximación práctica a las redes neuronales artificiales
title Una aproximación práctica a las redes neuronales artificiales
spellingShingle Una aproximación práctica a las redes neuronales artificiales
Redes neuronales (Computadores)
Inteligencia artificial
Neural networks (Computer science)
Artificial intelligence
title_short Una aproximación práctica a las redes neuronales artificiales
title_full Una aproximación práctica a las redes neuronales artificiales
title_fullStr Una aproximación práctica a las redes neuronales artificiales
title_full_unstemmed Una aproximación práctica a las redes neuronales artificiales
title_sort Una aproximación práctica a las redes neuronales artificiales
dc.creator.fl_str_mv López Sotelo, Jesús Alfonso
Caicedo Bravo, Eduardo Francisco
dc.contributor.author.none.fl_str_mv López Sotelo, Jesús Alfonso
Caicedo Bravo, Eduardo Francisco
dc.subject.armarc.spa.fl_str_mv Redes neuronales (Computadores)
Inteligencia artificial
topic Redes neuronales (Computadores)
Inteligencia artificial
Neural networks (Computer science)
Artificial intelligence
dc.subject.armarc.eng.fl_str_mv Neural networks (Computer science)
Artificial intelligence
description Muchos de los desarrollos del hombre se deben a su capacidad para explicar y emular funciones que son realizadas por seres vivos, por ejemplo, se puede citar el radar, el cual surge como una emulación de la forma como un murciélago es capaz de detectar los objetos que están en su camino, sin necesidad de verlos, gracias a la emisión de una onda ultrasónica, su posterior recepción de la señal de eco y procesamiento, con el fin de detectar obstáculos en su vuelo con una rapidez y precisión sorprendentes. Como el mencionado, existen muchos ejemplos más en la naturaleza que han inspirado diversos inventos: el helicóptero, el avión, el submarino, para citar algunos. Aunque el hombre ha sido capaz de emular funciones de los animales, para él siempre ha sido un sueño poder conocer e imitar, la llamada por muchos la máquina perfecta: el cerebro humano. Las redes neuronales artificiales (RNA) surgen como un intento para emular el funcionamiento de las neuronas de nuestro cerebro. En este sentido las RNA siguen una tendencia diferente a los enfoques clásicos de la inteligencia artificial que tratan de modelar la inteligencia humana buscando imitar los procesos de razonamiento que ocurren en nuestro cerebro. En este primer acercamiento, pretendemos introducir los conceptos iniciales y básicos asociados a las RNA. Empezamos con un recorrido por el proceso evolutivo que los científicos han llevado a cabo en la construcción de este apasionante campo del saber. Luego, mostramos como pasar del modelo de la neurona biológica, al modelo de la neurona artificial, que se seguirá utilizando a lo largo de este libro. Establecemos las características más relevantes de las RNA cuando emulan el proceso de aprendizaje que ocurre en nuestro cerebro. Finalmente, presentamos algunos ejemplos prácticos, donde las RNA han sido aplicadas con éxito
publishDate 2009
dc.date.issued.none.fl_str_mv 2009
dc.date.accessioned.none.fl_str_mv 2020-03-25T19:57:57Z
dc.date.available.none.fl_str_mv 2020-03-25T19:57:57Z
dc.type.spa.fl_str_mv Libro
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2f33
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.content.eng.fl_str_mv Text
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/book
dc.type.redcol.eng.fl_str_mv http://purl.org/redcol/resource_type/ARTREF
dc.type.version.eng.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.isbn.none.fl_str_mv 978-958-670-767-1
dc.identifier.uri.none.fl_str_mv http://red.uao.edu.co//handle/10614/12169
dc.identifier.doi.none.fl_str_mv 10.25100/peu.64
dc.identifier.instname.spa.fl_str_mv Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv Repositorio Educativo Digital
identifier_str_mv 978-958-670-767-1
10.25100/peu.64
Universidad Autónoma de Occidente
Repositorio Educativo Digital
url http://red.uao.edu.co//handle/10614/12169
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.cites.spa.fl_str_mv López Sotelo, J. A. y Caicedo Bravo, E. F. (2019). Una aproximación práctica a las redes neuronales artificiales. Programa editorial Universidad del Valle. http://red.uao.edu.co//handle/10614/12169
dc.relation.references.none.fl_str_mv A.R. Barto, R.S. Sutton and C. W. Anderson, “Neuron like adaptive elements that can solve difficult learning control problems”, IEEE transactions on Systems, Man, and Cybernetics. Vol. 13 No. 1983.
R. Battiti, “First and order methods for learning between steepest descent and Newton’s method”, Neural computation Vol. 4 No. 2 1992
Christopher M. Bishop. “Neural Networks for Pattern Recognition”, Oxford University Press, USA; 1st edition, 1995
G. Cybenko. “Approximation by superposition of a sigmoidal function”, Math. of Control, Signals and Systems, Vol. 2 No.4 1989
J. Elman, “Finding Structure in time Cognitive”, Science Vol. 14. 1990
Fletcher, R., and C.M. Reeves, “Function minimization by conjugate gradients”, Computer Journal, Vol. 7, 1964, pp. 149–154
Foresee, F.D., and M.T. Hagan, “Gauss-Newton approximation to Bayesian regularization”, Proceedings of the 1997 International Joint Conference on Neural Networks, 1997, pp. 1930–1935
J. Freeman, D. Skapura, “Redes neuronales, Algoritmos, Aplicaciones y Técnicas de Programación”, Editorial Addison-Wesley/Diaz de Santos, 1993
M. T. Hagan and Menhaj M. B., “Training feedforward networks with the Marquardt algorithm”. IEEE Trans. on Neural Networks, Vol. 5 No. 6, 1994.
Mohamad H. Hassoun “Fundamentals of Artificial Neural Networks”, The MIT Press. 1995
S. Haykin, “Neural networks a Comprehensive Foundation”, First Edition, Prentice Hall, 1994
José Hilera y Victor Martínez. “Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones”. Alfa Omega – Rama, 1996.
J.J. Hopfield, “Neural networks and physical system with emergent collective computational abilities”, Proceedings of the National Academy of Science, Vol. 79 1982
K. Hornik, “Multilayer feedforward networks are universal approximators”, Neural Networks, No. 2, 1989
P. Ienne and G. Kuhn, “Digital Systems for Neural Networks”, Digital Signal Processing Technology, volume CR57 of Critical Reviews Series, pages 314-45. SPIE Optical Engineering, Orlando, Fl. USA. 1995
Teuvo Kohonen, “Self Organizing Maps”, Springer – Verlag, 2000.
Y. LeCun, L. Bottou, G.B. Orr and K.-R. Muller, Efficient backprop, “Neural NetworksTricks of the Trade”, Springer Lecture Notes in Computer Sciences 1524, pp.5-50, 1998
R.P Lippman,., “Pattern Classification using Neural Networks,” IEEE Communication Magazine, 1989, pp. 47-64
D. J. MacKay. “A practical bayesian framework for backpropagation networks”, Neural Computation, Vol. 4, No. 3 1992
Timoty Masters, “Signal and Image Processing with Neural Networks: A C++ Sourcebook”, Wiley, 1994
Timoty Masters, “Advanced Algorithms for Neural Network: A C++ Sourcebook”, John Wiley & Sons Inc 1995
W. McCulloch and W. Pitts “A logical calculus of the ideas immanent in nervous activity”, Bulletin of mathematical Biophysics Vol. 5, 1948
Moller, M.F., “A scaled conjugate gradient algorithm for fast supervised learning”, Neural Networks, Vol. 6, 1993
K. S. Narendra and K. Parthasarathy, “Identification and control of dynamical systems using neural networks”, IEEE Trans. on Neural Networks, Vol. 1 No. 1 1990
Nguyen, D., and B. Widrow, “Improving the learning speed of 2-layer neural networks by choosing initial values of the adaptive weights”, Proceedings of the International Joint Conference on Neural Networks, Vol. 3, 1990, pp. 21–26
José C. Principe, Neil R. Euliano, W. Curt Lefebvre, “Neural and Adaptive Systems: Fundamentals through Simulations”, Wiley, 1999
Rumelhart, D.E., G.E. Hinton, and R.J. Williams, “Learning internal representations by error propagation”, Parallel Data Processing, Vol. 1, Cambridge, MA: The M.I.T. Press, 1986, pp. 318–362
Russell D. Reed, Robert J. Marks “II Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks”, The MIT Press. 1999
[Vapnik 1995] V. Vapnik, “The nature of Statistical Learning Theory”, Springer Verkag. 1995
Vries B. and J. Principe, “The gamma model: A new neural networks model for temporal processing”, Neural Network Vol 5., 1992
Bernard Widrow and Hoff M. “30 years of adaptive neural networks: Perceptron, madaline and backpropagation”, Proceedings of the IEEE, Vol. 78. No. 9, 1990
Paul Werbos, “Backpropagation through time: What it does and how do it”, Proceeding IEEE, vol. 78, No. 10, Oct. 1990, pp 1550-1560
dc.relation.serie.spa.fl_str_mv Ingeniería
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad del Valle, 2009
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.eng.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Derechos Reservados - Universidad del Valle, 2009
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.eng.fl_str_mv application/pdf
dc.format.extent.spa.fl_str_mv 219 páginas
dc.publisher.spa.fl_str_mv Universidad del Valle
institution Universidad Autónoma de Occidente
bitstream.url.fl_str_mv https://red.uao.edu.co/bitstreams/ffc5ad89-74c3-4f3c-b656-d57b7332bbc0/download
https://red.uao.edu.co/bitstreams/19f4fd3a-2281-49f0-84d3-b1d03843add9/download
https://red.uao.edu.co/bitstreams/c84fbe74-0ded-4dc7-b72a-7624c5b677d0/download
https://red.uao.edu.co/bitstreams/e9d8dd59-faca-4672-a7cc-845081e00dc2/download
https://red.uao.edu.co/bitstreams/6aa8b72a-7850-4b7f-9800-126f3f4283b3/download
bitstream.checksum.fl_str_mv 4460e5956bc1d1639be9ae6146a50347
20b5ba22b1117f71589c7318baa2c560
841346d94de6693077c5af0bac9c7827
d387be2a05f13985b430f79d2056aa5d
0cf6d826000bfdbaf49f7bc5931c8408
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv repositorio@uao.edu.co
_version_ 1828230052973641728
spelling López Sotelo, Jesús Alfonsovirtual::2914-1Caicedo Bravo, Eduardo Francisco7ff32acfbfb7a69fd2944ae6c98357252020-03-25T19:57:57Z2020-03-25T19:57:57Z2009978-958-670-767-1http://red.uao.edu.co//handle/10614/1216910.25100/peu.64Universidad Autónoma de OccidenteRepositorio Educativo DigitalMuchos de los desarrollos del hombre se deben a su capacidad para explicar y emular funciones que son realizadas por seres vivos, por ejemplo, se puede citar el radar, el cual surge como una emulación de la forma como un murciélago es capaz de detectar los objetos que están en su camino, sin necesidad de verlos, gracias a la emisión de una onda ultrasónica, su posterior recepción de la señal de eco y procesamiento, con el fin de detectar obstáculos en su vuelo con una rapidez y precisión sorprendentes. Como el mencionado, existen muchos ejemplos más en la naturaleza que han inspirado diversos inventos: el helicóptero, el avión, el submarino, para citar algunos. Aunque el hombre ha sido capaz de emular funciones de los animales, para él siempre ha sido un sueño poder conocer e imitar, la llamada por muchos la máquina perfecta: el cerebro humano. Las redes neuronales artificiales (RNA) surgen como un intento para emular el funcionamiento de las neuronas de nuestro cerebro. En este sentido las RNA siguen una tendencia diferente a los enfoques clásicos de la inteligencia artificial que tratan de modelar la inteligencia humana buscando imitar los procesos de razonamiento que ocurren en nuestro cerebro. En este primer acercamiento, pretendemos introducir los conceptos iniciales y básicos asociados a las RNA. Empezamos con un recorrido por el proceso evolutivo que los científicos han llevado a cabo en la construcción de este apasionante campo del saber. Luego, mostramos como pasar del modelo de la neurona biológica, al modelo de la neurona artificial, que se seguirá utilizando a lo largo de este libro. Establecemos las características más relevantes de las RNA cuando emulan el proceso de aprendizaje que ocurre en nuestro cerebro. Finalmente, presentamos algunos ejemplos prácticos, donde las RNA han sido aplicadas con éxitoapplication/pdf219 páginasspaUniversidad del ValleDerechos Reservados - Universidad del Valle, 2009https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Una aproximación práctica a las redes neuronales artificialesLibrohttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2f33Textinfo:eu-repo/semantics/bookhttp://purl.org/redcol/resource_type/ARTREFinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Redes neuronales (Computadores)Inteligencia artificialNeural networks (Computer science)Artificial intelligenceLópez Sotelo, J. A. y Caicedo Bravo, E. F. (2019). Una aproximación práctica a las redes neuronales artificiales. Programa editorial Universidad del Valle. http://red.uao.edu.co//handle/10614/12169A.R. Barto, R.S. Sutton and C. W. Anderson, “Neuron like adaptive elements that can solve difficult learning control problems”, IEEE transactions on Systems, Man, and Cybernetics. Vol. 13 No. 1983.R. Battiti, “First and order methods for learning between steepest descent and Newton’s method”, Neural computation Vol. 4 No. 2 1992Christopher M. Bishop. “Neural Networks for Pattern Recognition”, Oxford University Press, USA; 1st edition, 1995G. Cybenko. “Approximation by superposition of a sigmoidal function”, Math. of Control, Signals and Systems, Vol. 2 No.4 1989J. Elman, “Finding Structure in time Cognitive”, Science Vol. 14. 1990Fletcher, R., and C.M. Reeves, “Function minimization by conjugate gradients”, Computer Journal, Vol. 7, 1964, pp. 149–154Foresee, F.D., and M.T. Hagan, “Gauss-Newton approximation to Bayesian regularization”, Proceedings of the 1997 International Joint Conference on Neural Networks, 1997, pp. 1930–1935J. Freeman, D. Skapura, “Redes neuronales, Algoritmos, Aplicaciones y Técnicas de Programación”, Editorial Addison-Wesley/Diaz de Santos, 1993M. T. Hagan and Menhaj M. B., “Training feedforward networks with the Marquardt algorithm”. IEEE Trans. on Neural Networks, Vol. 5 No. 6, 1994.Mohamad H. Hassoun “Fundamentals of Artificial Neural Networks”, The MIT Press. 1995S. Haykin, “Neural networks a Comprehensive Foundation”, First Edition, Prentice Hall, 1994José Hilera y Victor Martínez. “Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones”. Alfa Omega – Rama, 1996.J.J. Hopfield, “Neural networks and physical system with emergent collective computational abilities”, Proceedings of the National Academy of Science, Vol. 79 1982K. Hornik, “Multilayer feedforward networks are universal approximators”, Neural Networks, No. 2, 1989P. Ienne and G. Kuhn, “Digital Systems for Neural Networks”, Digital Signal Processing Technology, volume CR57 of Critical Reviews Series, pages 314-45. SPIE Optical Engineering, Orlando, Fl. USA. 1995Teuvo Kohonen, “Self Organizing Maps”, Springer – Verlag, 2000.Y. LeCun, L. Bottou, G.B. Orr and K.-R. Muller, Efficient backprop, “Neural NetworksTricks of the Trade”, Springer Lecture Notes in Computer Sciences 1524, pp.5-50, 1998R.P Lippman,., “Pattern Classification using Neural Networks,” IEEE Communication Magazine, 1989, pp. 47-64D. J. MacKay. “A practical bayesian framework for backpropagation networks”, Neural Computation, Vol. 4, No. 3 1992Timoty Masters, “Signal and Image Processing with Neural Networks: A C++ Sourcebook”, Wiley, 1994Timoty Masters, “Advanced Algorithms for Neural Network: A C++ Sourcebook”, John Wiley & Sons Inc 1995W. McCulloch and W. Pitts “A logical calculus of the ideas immanent in nervous activity”, Bulletin of mathematical Biophysics Vol. 5, 1948Moller, M.F., “A scaled conjugate gradient algorithm for fast supervised learning”, Neural Networks, Vol. 6, 1993K. S. Narendra and K. Parthasarathy, “Identification and control of dynamical systems using neural networks”, IEEE Trans. on Neural Networks, Vol. 1 No. 1 1990Nguyen, D., and B. Widrow, “Improving the learning speed of 2-layer neural networks by choosing initial values of the adaptive weights”, Proceedings of the International Joint Conference on Neural Networks, Vol. 3, 1990, pp. 21–26José C. Principe, Neil R. Euliano, W. Curt Lefebvre, “Neural and Adaptive Systems: Fundamentals through Simulations”, Wiley, 1999Rumelhart, D.E., G.E. Hinton, and R.J. Williams, “Learning internal representations by error propagation”, Parallel Data Processing, Vol. 1, Cambridge, MA: The M.I.T. Press, 1986, pp. 318–362Russell D. Reed, Robert J. Marks “II Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks”, The MIT Press. 1999[Vapnik 1995] V. Vapnik, “The nature of Statistical Learning Theory”, Springer Verkag. 1995Vries B. and J. Principe, “The gamma model: A new neural networks model for temporal processing”, Neural Network Vol 5., 1992Bernard Widrow and Hoff M. “30 years of adaptive neural networks: Perceptron, madaline and backpropagation”, Proceedings of the IEEE, Vol. 78. No. 9, 1990Paul Werbos, “Backpropagation through time: What it does and how do it”, Proceeding IEEE, vol. 78, No. 10, Oct. 1990, pp 1550-1560IngenieríaPublicationfc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2914-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2914-1https://scholar.google.com.au/citations?user=7PIjh_MAAAAJ&hl=envirtual::2914-10000-0002-9731-8458virtual::2914-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000249106virtual::2914-1CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://red.uao.edu.co/bitstreams/ffc5ad89-74c3-4f3c-b656-d57b7332bbc0/download4460e5956bc1d1639be9ae6146a50347MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/19f4fd3a-2281-49f0-84d3-b1d03843add9/download20b5ba22b1117f71589c7318baa2c560MD53ORIGINALUna-aproximacion-practica-a-las-redes.pdfUna-aproximacion-practica-a-las-redes.pdfTexto archivo completo del libro, pdfapplication/pdf9894362https://red.uao.edu.co/bitstreams/c84fbe74-0ded-4dc7-b72a-7624c5b677d0/download841346d94de6693077c5af0bac9c7827MD54TEXTUna-aproximacion-practica-a-las-redes.pdf.txtUna-aproximacion-practica-a-las-redes.pdf.txtExtracted texttext/plain306364https://red.uao.edu.co/bitstreams/e9d8dd59-faca-4672-a7cc-845081e00dc2/downloadd387be2a05f13985b430f79d2056aa5dMD55THUMBNAILUna-aproximacion-practica-a-las-redes.pdf.jpgUna-aproximacion-practica-a-las-redes.pdf.jpgGenerated Thumbnailimage/jpeg8424https://red.uao.edu.co/bitstreams/6aa8b72a-7850-4b7f-9800-126f3f4283b3/download0cf6d826000bfdbaf49f7bc5931c8408MD5610614/12169oai:red.uao.edu.co:10614/121692024-03-07 16:34:19.558https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad del Valle, 2009open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Publicaciones similares