Herramientas en GNU/Linux para estudiantes universitarios

Redes Neuronales con GNU/Linux

Francisco José Palacios Burgos

Tabla de contenidos

1. Historia de las Redes Neuronales

1.1. Inteligencia Artificial
1.2. Redes Neuronales

2. Conceptos Básicos sobre RNA

2.1. La neurona artificial
2.2. Arquitectura de una RNA

3. Tipos de Redes Neuronales

3.1. Clasificación de las RNA
3.2. El perceptron multicapa (MLP)
3.3. Redes Autoorganizadas. Redes SOFM
3.4. Redes de funcion de base radial (RBF)

4. Ejemplo de entrenamiento de una red neuronal. Caso RBF

4.1. Ejemplo de aprendizaje para un problema de clasificacion por medio de una red RBF

A. Referencias interesantes

B. GNU Free Documentation License

B.1. PREAMBLE
B.2. APPLICABILITY AND DEFINITIONS
B.3. VERBATIM COPYING
B.4. COPYING IN QUANTITY
B.5. MODIFICATIONS
B.6. COMBINING DOCUMENTS
B.7. COLLECTIONS OF DOCUMENTS
B.8. AGGREGATION WITH INDEPENDENT WORKS
B.9. TRANSLATION
B.10. TERMINATION
B.11. FUTURE REVISIONS OF THIS LICENSE
B.12. ADDENDUM: How to use this License for your documents

Lista de tablas
4-1. Datos de entrenamiento

Tabla de figuras
1-1. Representación de una neurona biológica
2-1. Representación de una neurona artificial tipo McCulloch-Pitts
2-2. Funciones de activación más usuales
3-1. Representación de redes unidireccionales y realimentadas
3-2. Representación de un Perceptrón Multicapa (MLP)
3-3. Forma funcional de una sigmoide
3-4. Arquitectura típica de un mapa SOM
3-5. Arquitectura típica de una red de tipo RBF
3-6. Forma funcional de una función tipo Gaussiana
3-7. Centros en el espacio de las entradas

Tabla de ecuaciones
2-1. Suma ponderada
3-1. Error cuadrático medio
3-2. Términos delta
3-3. Distancia Euclídea entre el vector sináptico y la entrada
3-4. Actualización de los pesos en una red SOM
3-5. Actualización de los pesos de la capa de salida en una red RBF

		Siguiente
		Historia de las Redes Neuronales