Redes Neuronales Computacion
-
Upload
gabbysg15akd -
Category
Technology
-
view
1.909 -
download
0
Transcript of Redes Neuronales Computacion
REDES NEURONALES
Redes Neuronales Método de aprendizaje automático
basado en el funcionamiento del cerebro.
Las células llamadas neuronas son una unidad de procesamiento que
Recibe un estimulo eléctrico de otras neuronas principalmente a través de su árbol dendrítico.
El estimulo eléctrico recibido al pasar de un cierto umbral causa que la
neurona a su vez imprima una señal eléctrica a través de su axón a
otras neuronas.
HISTORIA
1943 - Warren McCulloch y Walter Pitts , primer modelo.
1962 - Widrow & Hoff desarrollan un método de aprendizaje.
1963-1980 olvidadas 1980- Múltiples aplicaciones y
diferentes modelos Redes Neuronales
Método Matemático y Biológico
El cerebro tiene unas 1010 neuronas Conexiones por neurona: 104-5 Tiempo de activación/desactivación
0.001 seg. Tiempo en reconocer una cara 0.1 seg Computación paralela!
LAS REDES NEURONALES:Son aproximantes universales que implementaninferencia bayesiana
Predicción• enfermedades coronarias• ventas• divorcios
Clasificación• clientes de un banco• economía
Interpolación• control de producción• reconocimiento
Funciones lineales: f(x) = x.
Funciones paso: Dan una salida binaria
dependiente de si el valor de entrada está por
encima o por debajo del valor umbral. Funciones sigmoidales: Funciones monótonas acotadas que dan una
salida gradual no lineal.
RED NEURONAL MULTICAPA
Red neuronal multicapa: Cada perceptrón está conectado a
todos los demás de la siguiente capa. Las capas ocultas no están conectadas al exterior. No hay conexión entre las neuronas de la misma capa. Redes Neuronales
Aplicaciones de redes neuronales
Créditos Seguros
Logística Sociología
Control Optimización
Fidelidad Bolsa
RECONOCIMENTO DE VOZ
• Dos personas dicen “Hola”• Hacemos un análisis de frecuencias (60)• Entrenamos una red con “hola”s
• 1
• 0
• • 1• 0
• Discrimnación de la red con “hola”s conocidos = 100%• Discriminación de la red con “hola”s desconocidos = 100%
SERIES TEMPORALES DE COTIZACIONES
Promedios sobre redes entrenadas a partir de pesos aleatorios › Si existe un modelo
subyacente, las redes son equivalentes
› Si no existe un modelosubyacente, las redes producen
• Lanzamos 100 redes sobre datos entrenar/validar• Para cada dato tenemos un promedio y una dispersión• Descartamos 3 sigma
Opciones Alarmas Arbitraje Estrategias