Las Redes Neuronales Artificiales (ANN) son parte de la Inteligencia Artificial (IA) y esta es el área de la informática que se relaciona en hacer que las computadoras se comporten de manera más inteligente. Las Redes Neuronales Artificiales (ANN) procesan datos y exhiben algo de inteligencia y se comportan exhibiendo inteligencia de tal manera como reconocimiento de patrones, aprendizaje y generalización.
Aplicaciones de redes neuronales artificiales:
- Las aplicaciones de redes neuronales artificiales se han utilizado en el campo de la energía solar para modelar y diseñar una planta generadora de vapor solar.
- Son útiles en el modelado del sistema, como la implementación de mapeo complejo e identificación del sistema.
- ANN se utilizan para la estimación de cargas de calefacción de edificios, factor de intercepción del colector cilindroparabólico y relación de concentración local
Tipos de redes neuronales artificiales:
- ¿Cómo se ha aplicado el aprendizaje automático al procesamiento de señales de radar?
- ¿Qué son las no linealidades continuas en el contexto de las funciones de activación en redes neuronales?
- ¿Qué tareas hacen mal las computadoras?
- ¿Cómo impactará la inteligencia artificial en el mercado laboral y la economía estadounidense?
- ¿Cómo funciona la capa de clasificación softmax de una red neuronal?
Existen diferentes tipos de redes neuronales artificiales (ANN): según la neurona del cerebro humano y las funciones de la red, una red neuronal artificial o ANN realiza tareas de manera similar.
Feedback ANN: en este tipo de ANN, la salida vuelve a la red para lograr los mejores resultados evolucionados internamente. La red de retroalimentación retroalimenta la información en sí misma y es muy adecuada para resolver problemas de optimización, según el Centro Lowell de Investigación Atmosférica de la Universidad de Massachusetts. Los ANN de retroalimentación son utilizados por las correcciones de errores del sistema interno.
Feed Forward ANN: una red feed-forward es una red neuronal simple que consta de una capa de entrada, una capa de salida y una o más capas de neuronas. A través de la evaluación de su salida al revisar su entrada, se puede notar la potencia de la red sobre el comportamiento grupal de las neuronas conectadas y la salida se decide. La principal ventaja de esta red es que aprende a evaluar y reconocer patrones de entrada.
Clasificación-Predicción ANN – Es el subconjunto de la alimentación anticipada ANN y la clasificación-predicción ANN se aplica a escenarios de minería de datos. La red está capacitada para identificar patrones particulares y clasificarlos en grupos específicos y luego clasificarlos en “patrones nuevos” que son nuevos en la red.
Lee mas…
