Redes Neuronales Artificiales (Artificial Neural Networks – ANNs)
Redes Neuronales Artificiales (ANNs)
Son un tipo de modelo computacional.
Inspirado en la estructura y funcionamiento.
Del cerebro humano.
Se componen de neuronas artificiales.
Organizadas en capas que procesan información.
Realizar tareas como clasificación.
Reconocimiento de patrones y predicción.
Arquitectura de una Red Neuronal Artificial
Las ANNs están compuestas por tres tipos de capas principales
Recibe los datos de entrada.
Imágenes, texto, números.
Cada nodo en esta capa.
Representa una característica del dato.
Procesan la información mediante pesos.
Funciones de activación.
Cuantas más capas haya.
Más profunda es la red (Deep Learning).
Genera el resultado final
Clasificación de una imagen.
«gato» o «perro».
Funcionamiento de una ANN
Se asignan valores aleatorios.
A las conexiones entre neuronas.
Propagación hacia adelante (Forward Propagation)
Los datos pasan por la red y se combinan con los pesos.
Se aplica una función de activación.
Generar salidas intermedias.
Se compara la salida obtenida.
Con la esperada usando una función de pérdida.
Retropropagación del error (Backpropagation)
Ajusta los pesos para minimizar el error.
Se utiliza un optimizador.
Descenso de Gradiente (Gradient Descent).
Repetición del proceso
Se ejecuta varias veces.
El modelo aprende.
Realizar predicciones precisas.
Tipos de Redes Neuronales Artificiales
Red neuronal más básica.
Útil para problemas lineales.
Varias capas ocultas.
Problemas más complejos.
Redes Neuronales Convolucionales (CNNs)
Usadas en visión por computadora.
Redes Neuronales Recurrentes (RNNs)
Para procesamiento de secuencias.
Texto y voz.
Redes Adversarias Generativas (GANs)
Creación de imágenes y datos sintéticos.
Ejemplo Práctico: Clasificación de Imágenes con ANNs
Imagina que quieres entrenar una ANN.
Reconocer si una imagen contiene.
Un gato o un perro.
Se alimenta la red con miles de imágenes etiquetadas
«gato» o «perro»
La red ajusta sus pesos
Mediante entrenamiento supervisado.
Después del entrenamiento
La red puede clasificar imágenes.
Nuevas con alta precisión.
Herramientas populares
TensorFlow, Keras, PyTorch.
Aplicaciones de las ANNs en IA
Reconocimiento facial
Desbloqueo facial en teléfonos.
Análisis de textos y chatbots
Ejemplo: ChatGPT
Detección de fraudes
Bancos y sistemas financieros.
Diagnóstico médico
Ejemplo:
Detección de tumores en imágenes médicas.
Conducción autónoma
En vehículos inteligentes.
Las Redes Neuronales Artificiales (ANNs) son la base del Deep Learning
Permitiendo a las máquinas aprender.
Tomar decisiones basadas en datos.
Su capacidad de procesar información.
De manera similar al cerebro humano.
Ha revolucionado múltiples industrias.
