Aporte Individual
REDES NEURONALES
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN" ) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas que colaboran entre sí para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.
Estructura de una Red Neuronal Artificial
Anteriormente ya se estipuló que la distribución de neuronas dentro de la red se realiza formando niveles o capas de un número determinado de neuronas cada una, y que existen capas de entrada, de salida, y ocultas, ahora veamos las formas de conexión entre neuronas.
Cuando ninguna salida de las neuronas es entrada de neuronas del mismo nivel o de niveles precedentes, la red se describe como de propagación hacia adelante.
Cuando las salidas pueden ser conectadas como entradas de neuronas de niveles previos o del mismo nivel, incluyéndose ellas mismas, la red es de propagación hacia atrás.
Ventajas de las Redes Neuronales
Las redes neuronales artificiales (RNA) tienen muchas ventajas debido a que están basadas en la estructura del sistema nervioso, principalmente el cerebro.
Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es la salida (respuesta) esperada.
Auto organización: Una RNA crea su propia representación de la información en su interior, descargando al usuario de esto.
Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.
Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada (por ejemplo si la información de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente).
Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.
AGENTES INTELIGENTES
Cada integrante define con sus palabras que es un Agente Inteligente. Dentro de qué enfoque de la IA se circunscriben ¿Por qué?
Un agentes inteligente es un programa o software que permite hacer tareas y/o funciones, o delegarlas de acuerdo a las necesidades o las órdenes recibidas por parte del usuario o del mismo agente.
Dentro del enfoque de la IA se circunscriben al entorno donde se crea entidades o programas autónomos inteligentes que piensen y actúen de manera racional.
Cada integrante expone un ejemplo de PAMA, con su respectiva explicación.
AGENTE: Conductor Automático.
PERCEPCIONES: Rutas, menos tráfico, mapas, sensores tanto de movimiento como de ubicación.
ACCIONES: Selecciones sitio de destino.
METAS: Ser autónomo, llevar al pasajero al sitio que indique en el menor tiempo posible usando el trayecto más corto.
AMBIENTE: Rutas, transito, peatones, pasajeros, condiciones geográficas.
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN" ) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas que colaboran entre sí para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.
Estructura de una Red Neuronal Artificial
Anteriormente ya se estipuló que la distribución de neuronas dentro de la red se realiza formando niveles o capas de un número determinado de neuronas cada una, y que existen capas de entrada, de salida, y ocultas, ahora veamos las formas de conexión entre neuronas.
Cuando ninguna salida de las neuronas es entrada de neuronas del mismo nivel o de niveles precedentes, la red se describe como de propagación hacia adelante.
Cuando las salidas pueden ser conectadas como entradas de neuronas de niveles previos o del mismo nivel, incluyéndose ellas mismas, la red es de propagación hacia atrás.
Ventajas de las Redes Neuronales
Las redes neuronales artificiales (RNA) tienen muchas ventajas debido a que están basadas en la estructura del sistema nervioso, principalmente el cerebro.
Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es la salida (respuesta) esperada.
Auto organización: Una RNA crea su propia representación de la información en su interior, descargando al usuario de esto.
Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.
Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada (por ejemplo si la información de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente).
Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.
AGENTES INTELIGENTES
Cada integrante define con sus palabras que es un Agente Inteligente. Dentro de qué enfoque de la IA se circunscriben ¿Por qué?
Un agentes inteligente es un programa o software que permite hacer tareas y/o funciones, o delegarlas de acuerdo a las necesidades o las órdenes recibidas por parte del usuario o del mismo agente.
Dentro del enfoque de la IA se circunscriben al entorno donde se crea entidades o programas autónomos inteligentes que piensen y actúen de manera racional.
Cada integrante expone un ejemplo de PAMA, con su respectiva explicación.
AGENTE: Conductor Automático.
PERCEPCIONES: Rutas, menos tráfico, mapas, sensores tanto de movimiento como de ubicación.
ACCIONES: Selecciones sitio de destino.
METAS: Ser autónomo, llevar al pasajero al sitio que indique en el menor tiempo posible usando el trayecto más corto.
AMBIENTE: Rutas, transito, peatones, pasajeros, condiciones geográficas.