Diagrama de temas
General
Curso de Redes Neuronales Artificiales
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN"1 ) 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.Tema 1
Aplicaciones de las Redes Neuronales Artificiales
Aprenderás para qué sirven las redes neuronales artificiales, qué es el entrenamiento, y qué tipos de aprendizaje existen.
1.1 Introducción a las Redes Neuronales Biológicas
1.2 Estructura de una Neurona Biológica
Te explica cuales son las partes elementales de una neurona biológica. Es importante conocerlo para comprender cómo funciona una neurona.
1.3 Redes Neuronales Biológicas Superveloces
¿En qué animal las neuronas son más veloces? ¿Qué tan veloz nuestras neuronas son y por qué?
1.4 Potencial de Acción
1.5 Sinapsis
1.6 Funcionamiento Global de una Neurona Biológica
Te explico como se transmite la información entre las neuronas para que puedas comprender como será el modelo matemático que usaremos para crear redes neuronales artificiales.
Tema 2
REDES NEURONALES ARTIFICIALES
Comenzamos con la sección 2, te explico cual es el contenido de esta sección.
2.1 Introducción a las Redes Neuronales Artificiales
2.2 Neurona Artificial
Te presentó el modelo matemático de una neurona artificial y la nomenclatura que usaremos en todo este curso.
2.3 Red Neuronal Monocapa
Te explico cómo se forma una red neuronal monocapa y te presentó la notación que usaremos en este curso.
2.4 Funciones de Activación
Te muestro las funciones de activación y su representación gráfica que usaremos en este curso.
2.5 Red Neuronal Multicapa
Te explico cómo se forma una red neuronal multicapa y te presento la nomenclatura que usaremos en este curso. Además, te muestro que preguntas debes hacerte para diseñar una red neuronal artificial y resolver un problema real.
Tema 3
LA RED PERCEPTRO
3.1 Introducción a la Red Perceptron
Comenzamos la sección 3 del curso, te explico cual es el contenido que encontrarás en esta sección.
3.2 Frontera de Decisión
Este vídeo es fundamental para comprender cómo es que una red neuronal es capaz de clasificar, detectar y reconocer imágenes, sonido, y datos en general. Te explico como puedes determinar la frontera de decisión y cómo la debes de interpretar gráficamente.
3.3 Ejemplo 1
Aplicamos los fundamentos que hemos aprendido en los vídeos pasados para resolver dos problemas de clasificación super-sencillos con el fin de que comprendas como las redes neuronales artificiales funcionan.
3.4 Separabilidad Lineal
Te explico que es la separabilidad lineal con tres problemas muy sencillos. Este es un concepto fundamental para saber cuando usar una red monocapa y cuando una red multicapa.
3.5 Aprendizaje Perceptron
Te explico el algoritmo del perceptron para entrenar redes neuronales monocapa. En el siguiente vídeo te muestro un ejemplo en matlab.
3.6 Reconocimiento 7 segmentos
Te muestro como programar el algoritmo de entrenamiento del perceptron en Matlab usando una red neuronal monocapa para reconocer números de 7 segmentos (sin usar compuertas lógicas).
3.7 Limitaciones del Aprendizaje Perceptron
Discutimos las propiedades de convergencia del algoritmo del perceptron y su capacidad para llegar a la mejor solución.
3.8 Resumen
Hacemos un resumen sobre lo visto en la sección 3 "Perceptron" del curso de redes neuronales artificiales.
Tema 4
Tema 5
Tema 6
Tema 7
Tema 8
Tema 9
Tema 10