Redes Neuronales

DIFERENCIAS Y SEMEJANZAS
RED NEURONAL	SISTEMA EXPERTO	PROGRAMA DE COMPUTADORA
Recibe, analiza y procesa informacion confusa, distorsionada y ambigua	Un sistema experto sintetiza nuevo conocimiento a partir de su "entendimiento" del mundo que lo rodea.	A partir de los datos y/o información que contiene el programa se puede obtener conocimiento
Responde en paralelo a las entradas	Un sistema experto es capaz de generar nuevas reglas y nuevos hechos.	Opera secuencialmente
Se entrenan, auto-organizan aprenden y olvidan. Tiene varios nodos de procesadores. La falla de uno de ellos no cancela el proceso.	Un sistema experto es un método de representación y procesamiento del conocimiento, mucho mas rico y poderoso que un programa de computadora.	Un programa de computador correcto con diseño y uso de variables adecuadas es muy competente en su mundo limitado.

NEURONA BIOLÓGICA Y NEURONA ARTIFICIAL

Gráficamente no se encuentra ninguna diferencia sin embargo con respecto al funcionamiento los datos entrarán hacia el nodo central, pero tan sólo podrán pasar los datos que tengan las mismas características o muy similares a los datos almacenados anteriormente en el sistema. Para eso se requiere de un proceso de entrenamiento de la red, que consiste en pasar los datos que se quieren almacenar como patrón fijo una serie de veces, hasta que se logre formar el patrón y se establezca una salida.

CONDUCCIÓN ELÉCTRICA A NIVEL NEURONAL

La conducción eléctrica a nivel de neuronas se produce cuando las sustancias químicas hacen contacto con la superficie de la neurona, estas cambian el balance de iones (átomos cargados electrónicamente) entre el interior y el exterior de la membrana celular. Cuando este cambio alcanza un nivel umbral, este efecto se expande a través de la membrana de la célula hasta el axón. Cuando alcanza al axón, se inicia un potencial de acción.

APRENDIZAJE NEURONAL
Se basa en algoritmos basados en formulas matemáticas que usando técnicas como minimización del error o la optimización modifican el valor de los pesos sinápticos en función de las entradas disponibles y con ello optimizan la respuesta de la red a las salidas que deseamos.

ALGORITMOS DE ENTRENAMINETO DE REDES NEURONALES
Corrección de errores: tiene la facultad de alterar los pesos de las conexiones de la red para corregir el error de salida durante la presentación de cada pareja (Entrada-Salida).
Gradiente: Modifica los pesos de las conexiones de la red durante la presentación de cada pareja (Entrada-Salida) minimizando el error cuadrático medio sobre todos los patrones establecidos.