Examen de Redes neuronales
Enviado por setepi1234 • 2 de Septiembre de 2023 • Examen • 1.162 Palabras (5 Páginas) • 52 Visitas
Materia: Inteligencia Artificial
Tema: Redes Neuronales
- ¿Qué es una neurona, qué función realiza y cuáles son sus partes?
R: Las neuronas son las células del sistema nervioso que son capaces de recibir y transmitir señales llamadas impulsos nerviosos. La transmisión entre neuronas se llama sinapsis, y se establece entre el axón de una neurona y las dendritas de la otra neurona, pero sin tocarse.
Las partes de la neurona son axón, cuerpo o soma y dendritas.
- ¿Cuáles son las partes del cerebro?
R: Lóbulos frontal, parietal, occipital, temporal, cerebelo y médula espinal.
El lóbulo frontal es el responsable de procesos cognitivos completos (funciones ejecutivas: operaciones mentales dirigidas a un fin).
El lóbulo parietal tiene dos regiones, donde una de ellas implica la sensación y la opinión, y la otra se refiere a integrar la entrada sensorial.
El lóbulo occipital se encarga de procesar las imágenes recibidas por nuestro sistema visual.
El lóbulo temporal maneja el lenguaje auditivo y los sistemas de comprensión del habla.
El cerebelo procesa información proveniente de otras áreas del cerebro, médula espinal y receptores sensoriales para realizar movimientos del sistema muscular.
La médula espinal es la encargada de transmitir los impulsos a los nervios raquídeos.
- ¿Qué es la inteligencia artificial? Menciona algunos campos.
R: Es la inteligencia exhibida por artefactos creados por humanos. Encargado de comprender y replicar la inteligencia humana.
Algunos campos de la inteligencia artificial son: Redes Neuronales Artificiales, Lógica Difusa, Aprendizaje automático o machine learning, Minería de Datos y Vida Artificial.
- ¿Qué es el Test de Turing?
R: Es una prueba de comunicación verbal hombre-máquina que evalúa la capacidad de las máquinas por hacerse pasar por humanos.
- ¿Qué son las redes neuronales artificiales?
R: Es un modelo de la inteligencia artificial que se inspira en el comportamiento de las neuronas y conexiones cerebrales, las cuales almacenan conocimiento tipo experimental a través de un proceso de aprendizaje.
- ¿Cuál es la diferencia entre una neurona biológica y una neurona artificial?
R: La biológica tiene una gama muy grande de elementos que interactúan en ella que hacen que actúen de cierta forma, como biosensores, biotransmisores, etc, por lo que nosotros no podemos darle la "importancia" en la neurona artificial. Sin embargo, se trata de realizar o simular con el peso sináptico.
- ¿Cuáles son los tipos de aprendizaje?
R: Aprendizaje supervisado, reforzado y no supervisado.
En el supervisado, para todas las entradas, debemos conocer el comportamiento de salida; en el reforzado sólo se le da una indicación sobre el grado de desempeño, y en el no supervisado la red toma sus propias decisiones y categoriza según su entendimiento a partir del análisis de las entradas.
- ¿Qué son las funciones de activación? Menciona un ejemplo.
R: Proporcionan el estado de activación actual de la neurona en función de su estado anterior y de su potencial postsináptico actual.
Como ejemplos tenemos la sigmoidea, la lineal, la signo y escalón.
- ¿Cuál es la arquitectura de la red neuronal?
R: Capa de entrada y capa de salida, puede contener capa(s) oculta(s).
- ¿En qué consiste el aprendizaje de una red neuronal?
R: En determinar los pesos y bias de la red siguiendo un determinado criterio, y la capacidad de aprendizaje de una red depende de la cantidad y variedad de datos disponibles.
- ¿Qué es el perceptrón simple?
R: Es la forma más simple de una red neuronal usada para la clasificación de un tipo especial de patrones. Consta de una red con una capa de entrada con m neuronas y una capa de salida con n neuronas, que ejecuta cualquier función que esté determinada por un hiperplano que corte un espacio de dimensión n.
- ¿Qué es Adaline?
R: Adaptive Linear Element es un tipo de red neuronal artificial que consta de una capa de entrada con m neuronas de entrada y n neuronas de salida, cuya gráfica es un hiperparaboloide que posee un único mínimo global o una recta de infinitos mínimos globales.
- ¿Cuál es la diferencia entre Perceptrón Simple y Adaline?
R: La función de activación, siendo escalón para el perceptrón y una función lineal para Adaline, y el algoritmo de aprendizaje, ya que en Adaline es LMS y el Perceptrón tiene su regla de aprendizaje.
- ¿Qué es el perceptrón multicapa?
R: Es una red neuronal artificial formada por múltiples capas, con capacidad para resolver problemas que no son linealmente separables.
...