Introducción a la Red Neuronal Artificial | conjunto 2

Requisito previo: Introducción a la red neuronal artificial
Este artículo proporciona el esquema para comprender la red neuronal artificial.
Características de la Red Neuronal Artificial

• Es un modelo matemático implementado neuronalmente.
• Contiene una gran cantidad de elementos de procesamiento interconectados llamados neuronas para realizar todas las operaciones.
• La información almacenada en las neuronas es básicamente el enlace ponderado de las neuronas.
• Las señales de entrada llegan a los elementos de procesamiento a través de conexiones y pesos de conexión.
• Tiene la capacidad de aprender, recordar y generalizar a partir de los datos proporcionados mediante la asignación y el ajuste adecuados de los pesos.
• El comportamiento colectivo de las neuronas describe su poder de cómputo, y ninguna neurona transporta información específica.
¿Cómo funciona la neurona simple?

Supongamos que hay dos neuronas X e Y que transmiten la señal a otra neurona Z. Entonces, X e Y son neuronas de entrada para transmitir señales y Z es neurona de salida para recibir señales. Las neuronas de entrada están conectadas a la neurona de salida, a través de enlaces de interconexión ( A y B ) como se muestra en la figura.


Para la arquitectura de neuronas anterior, la entrada neta debe calcularse en el camino.
I = xA + yB
donde x e y son las activaciones de las neuronas de entrada X e Y. La salida z de la neurona de salida Z se puede obtener aplicando activaciones sobre la entrada neta.
O = f(I)
Salida = Función (entrada neta calculada)
La función a aplicar sobre la entrada neta se llama función de activación . Hay varias funciones de activación posibles para esto.

Aplicación de Red Neuronal

1. Cada nueva tecnología necesita ayuda de la anterior, es decir, datos de las anteriores y estos datos se analizan para que todos los pros y los contras se estudien correctamente. Todas estas cosas son posibles solo con la ayuda de la red neuronal.

2. La red neuronal es adecuada para la investigación sobre el comportamiento animal, las relaciones depredador/presa y los ciclos de población .

3. Sería más fácil realizar una valoración adecuada de propiedades, edificios, automóviles, maquinaria, etc. con la ayuda de una red neuronal.

4. La red neuronal se puede utilizar para apostar en carreras de caballos, eventos deportivos y, lo que es más importante, en el mercado de valores.

5. Se puede utilizar para predecir el juicio correcto para cualquier delito utilizando una gran cantidad de datos de detalles del delito como entrada y las sentencias resultantes como salida.

6. Al analizar los datos y determinar cuál de los datos tiene alguna falla (archivos que divergen de los pares), lo que se denomina minería de datos, la limpieza y la validación se pueden lograr a través de la red neuronal.

7. La red neuronal se puede utilizar para predecir objetivos con la ayuda de patrones de eco que obtenemos de instrumentos de sonar, radar, sísmicos y magnéticos.

8. Se puede usar de manera eficiente en la contratación de empleados para que cualquier empresa pueda contratar al empleado adecuado según las habilidades que tenga el empleado y cuál debería ser su productividad en el futuro.

9. Tiene una gran aplicación en Investigación Médica .

10. Se puede utilizar para la detección de fraudes con respecto a tarjetas de crédito, seguros o impuestos mediante el análisis de registros anteriores.

Referencias:
Wiki
doc journal
Principio de computación blanda