INTELIGENCIA

COMPUTACIONAL
APLICADA
Ing. Cesar Andrey Perdomo Charry
MSc.

Agenda
1.

Contenido de la Asignatura

2.

Evaluacin??

3.

Introduccin a las RNA

4.

Redes Neuronales de una sola capa

5.

Taller

Contenido de la Asignatura
La Inteligencia Computacional (IC) es un sucesor de la
inteligencia artificial. Se basa en algoritmos heursticos,
como en los sistemas difusos, redes neuronales y
computacin
evolutiva.
Adems,
la
inteligencia computacional que tambin abarca las
tcnicas que utilizan la inteligencia de enjambre, los
fractales
y la teora del caos, los
sistemas
inmunes artificiales, Wavelets, etc

Contenido de la Asignatura
Objetivo General
El objetivo principal es la introduccin a los
conceptos bsicos y las tcnicas de
SoftComputing Informticas, tales como la
Lgica Difusa, Redes Neuronales y la
Computacin Evolutiva. El curso presentar
tambin las ltimas novedades y aplicaciones
de SoftComputing en el rea de la

Contenido de la Asignatura

Introduccin
Redes Neuronales
Sistemas Difusos
Computacin Evolutiva
Sistemas Neurodifusos e Hibridos
Aplicaciones
de
Inteligencia
Computacional

Evaluacin??
Primera Nota (35%)

Taller I (5%)
Taller II (5%)
Taller III (5%)
Articulo I (20%)

Segunda Nota (35%)

Taller IV (5%)
Taller V (5%)
Taller VI (5%)
Articulo II (20%)

Tercera Nota (30%)

Entrega y sustentacin del Proyecto Final (Aplicacin de
Paradigma de Inteligencia Computacional en un Problema en el
rea de Teleinformtica).

Evaluacin??

Articulo I
Estado del Arte

Articulo II
Aplicacin de
Paradigma de IC
para un problema
en el area

PROYECTO FINAL
Implementacion

Introduccin a las Redes

Neuronales

Redes Neuronales
Mtodo de aprendizaje automtico basado en el
funcionamiento del cerebro.

Las clulas llamadas neuronas son una unidad

de procesamiento que recibe un estimulo
elctrico de otras neuronas principalmente a
travs de su rbol dendrtico.
El estimulo elctrico recibido al pasar de un
cierto umbral causa que la neurona a su vez
imprima una seal elctrica a travs de su axn
a otras neuronas.

Redes Neuronales
Modelo biolgico:

Modelo matemtico:

El cerebro tiene unas 1010 neuronas

Conexiones por neurona: 104-5
Tiempo de activacin/desactivacin 0.001 seg.
Tiempo en reconocer una cara 0.1 seg
Computacin paralela!

Redes Neuronales
Historia:

1943 - Warren McCulloch y Walter Pitts,

primer modelo.
1962 - Widrow & Hoff desarrollan un mtodo
de aprendizaje.
1963-1980 olvidadas
1980- Mltiples aplicaciones y diferentes
modelos

Redes Neuronales

Aplicaciones: Reconocimiento de patrones

Redes Neuronales

Aprendizaje de
comportamientos, eventos.
Seguimiento, seguridad,
etc..

Redes Neuronales

Simulacin del
movimiento de
objetos (juegos,
realidad virtual, etc..)

Redes Neuronales

Prediccin de series de datos:

Meteorolgica
Bolsa
Medicina
Crditos

Redes Neuronales
Reconocimiento de caras

Redes Neuronales

Aplicaciones Industriales

REDES NEURONALES

Neurona: base del funcionamiento del cerebro.

Sistema de procesamiento cerebral de la informacin:

Complejo, No lineal y Paralelo.

Elementos de que consta: sinapsis, axn, dentritas y soma o cuerpo

NEURONA ARTIFICIAL

Neurona artificial: unidad de procesamiento de la informacin, es un

dispositivo simple de clculo que ante un vector de entradas proporciona
una nica salida.

Elementos:

Conjunto de entradas, xj

Pesos sinpticos, wi

Funcin de activacin:
w1x1+ w2x2 + ... + wnxn = a

a
y

Funcin de transferencia:
y = F (w1x1+ w2x2 + ... + wnxn )

Bias o polarizacin: entrada constate de magnitud 1, y peso b que se introduce

en el sumador

NEURONA ARTIFICIAL

Principales funciones de transferencia:

Lineal:

y=ka
Escaln: y = 0 si a<0; y=1 si a>=0
Sigmoide
Gaussiana.

RNA de una capa

Una neurona aislada dispone de poca

potencia de clculo.
Los nodos se conectan mediante la
sinapsis
Las neuronas se agrupan formando una
estructura llamada capa.
Los pesos pasan a ser matrices W (n x m)
La salida de la red es un vector: Y=(y1, y2,
... , yn)T
Y=F(WX+b)

a1
y1
a2
y2
an
yn