1. Artificial intelligence and neural
networds
by Kevin Agustin
College: president Kennedy
Teacher: Ana María Campos
Galarza
Inteligencia artificial y redes neuronales
De: Kevin Agustin
Colegio: presidente Kennedy
Maestra: Ana María Campos Galarza
2. • Artificial intelligence (AI) is a multidisciplinary area, through sciences such as
computer science, logic and philosophy, studying the creation and design of
institutions able to resolve issues themselves using the paradigm of human
intelligence
• General and wide as it brings together broad fields, which have in common the
creation of machines capable of thinking. In computer science called artificial
intelligence reasoning ability of a nonliving agent.
La inteligencia artificial (IA) es un área multidisciplinaria que,
a través de ciencias como las ciencias de la computación, la
lógica y la filosofía, estudia la creación y diseño de entidades
capaces de resolver cuestiones por sí mismas utilizando como
paradigma la inteligencia humana.
General y amplio como eso, reúne a amplios campos, los
cuales tienen en común la creación de máquinas capaces de
pensar. En ciencias de la computación se denomina
inteligencia artificial a la capacidad de razonar de un agente
no vivo
3. También existen distintos tipos de percepciones y acciones, que pueden ser
obtenidas y producidas, respectivamente, por sensores físicos y sensores
mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras, tanto
como por entradas y salidas de bits de un software y su entorno software.PIJUIIIIII
There are also different types of perceptions and actions that
can be obtained and produced respectively by physical sensors
and mechanical sensors in machinery, electrical or optical
pulses in computers, both as input and output bits of software
and software environment. PIJUIIIIII
Several examples are in the area of control systems, automatic
planning, the ability to answer diagnostic and consumer
inquiries, handwriting recognition, speech recognition and
pattern recognition. AI systems are now part of the routine in
such fields as economics, medicine, engineering and the
military, and has been used in a variety of applications
software, strategy games, like chess computer, and other
games.
Varios ejemplos se encuentran en el área de control de sistemas, planificación
automática, la habilidad de responder a diagnósticos y a consultas de los
consumidores, reconocimiento de escritura, reconocimiento del habla y
reconocimiento de patrones. Los sistemas de IA actualmente son parte de la
rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado
en gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez
de computador, y otros videojuegos
4. • There are different types of categories that are considered when
artificial intelligence is used
Here is the present.
hay diferentes tipos de categorías que se considera cuando se
usa la inteligencia artificial
aqui se las presentamos.
5. Systems that think like humanos.- These systems try to emulate
human thinking; eg artificial neural networks. The automation
of activities that we associate with human thought processes,
activities such as Decision Making, Problem solving and
learning.
Systems that act as humanos.- These systems try to act like
humans; ie, mimicking human behavior; for instance robotics.
The study of how to make computers perform tasks that, for
the moment, humans do best.
Systems thinking racionalmente.- ie logically (ideally) try to
imitate or emulate the logical rational human thought; such
expert systems. The study estimates that make it possible to
perceive, reason and act.
Systems that act rationally (ideally) .- try to emulate a rational
human behavior; eg inteligentes.Está intelligent agents
behaviors related artifacts.
Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de
actividades que vinculamos con procesos de pensamiento humano, actividades como la Toma de decisiones, Resolución de problemas y aprendizaje.
Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio
de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.
Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico racional del ser humano; por ejemplo los
sistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.
Sistemas que actúan racionalmente (idealmente).– Tratan de emular de forma racional el comportamiento humano; por ejemplo los agentes inteligentes.Está
relacionado con conductas inteligentes en artefactos.
6. neural network
•There are two types of biological neural
networks and artificial
Now we show the two
hay dos tipos de redes neuronales la biologica y la artificial
ahora les mostramos las dos
7. Artificial neural networks (commonly referred to as RNA or
English as "ANN") are a paradigm of learning and automatic
processing inspired by the way the nervous system of animals
works. It is an interconnection of neurons that work together to
produce an output stimulus. In artificial intelligence is often
referred to as neural networks or neural networks.
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.
8. properties
A neural network consists of units called neurons. Each neuron receives
a number of tickets through interconnections and emits an output. This
output is given by three functions:
1.a spread function (also known as excitation function), which usually
consists of the sum of each entry multiplied by interconnection weight
(net). If the weight is positive, the connection is called excitatory; if
negative, it is called inhibitory.
2.A activation function, which modifies the above. There can not be, in
this case being the same function output propagation.
3. A transfer function, which applies to that returned by the activation
function value. It is used to limit the output of the neuron and usually is
given by the interpretation we want to give these outputs. Some of the
most commonly used are the sigmoid function (for values in the range
[0,1]) and the hyperbolic tangent (for values in the range [-1,1]).
propiedades
Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una
salida. Esta salida viene dada por tres funciones:
1.Una función de propagación (también conocida como función de excitación), que por lo general consiste en el sumatorio de cada entrada
multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina
inhibitoria.
2.Una función de activación, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación.
3.Una función de transferencia, que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y
generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la función sigmoidea (para
obtener valores en el intervalo [0,1]) y la tangente hiperbólica (para obtener valores en el intervalo [-1,1]).
9. biological neural network
A biological neural network or a neuronal circuit is an ordered set of
synaptic connections that occurs as a result of binding to other neurons
in the respective regions of neuronal migration.
Directed growth of axons and synaptic structures recognition is
mediated by the growth cone, which is a specialization in the end of
each growing axon. The growth cone detects and responds to signaling
molecules that may be of withdrawal, order or then identifying the
correct way, forbid the wrong and facilitate the formation of synapses.
In addition there are growth factors that influence the axonal growth
and synapse formation, and regulate the appropriate amounts that
should exist between the axons and cells.
Una red neuronal biológica o un circuito neuronal es un conjunto de conexiones sinápticas ordenadas que se produce como resultado de la
unión de las neuronas a otras en sus regiones correspondientes tras la migración neuronal.
El crecimiento dirigido de los axones y el reconocimiento de las estructuras sinápticas está mediado por el cono de crecimiento, que es una
especialización en el extremo de cada axón en crecimiento. El cono de crecimiento detecta y responde a moléculas de señalización que
pueden ser de retraimiento, giro o continuación, que identifican las vías correctas, prohíben las incorrectas y facilitan la formación de
sinapsis. Además hay factores de crecimiento que influyen en el crecimiento axónico y en la formación de sinapsis, y regulan las cantidades
apropiadas que debe haber entre los axones y las células.
10. these are the parts of neural networks
A biological neural network or a neuronal circuit is an ordered
set of synaptic connections that occurs as a result of binding to
other neurons in the respective regions of neuronal migration.
Directed growth of axons and synaptic structures recognition is
mediated by the growth cone, which is a specialization in the
end of each growing axon. The growth cone detects and
responds to signaling molecules that may be of withdrawal,
order or then identifying the correct way, forbid the wrong and
facilitate the formation of synapses. In addition there are
growth factors that influence the axonal growth and synapse
formation, and regulate the appropriate amounts that should
exist between the axons and cells.
estas son las partes de las redes neuronales
Una red neuronal biológica o un circuito neuronal es un conjunto de conexiones sinápticas ordenadas que se produce como resultado de la unión
de las neuronas a otras en sus regiones correspondientes tras la migración neuronal.
El crecimiento dirigido de los axones y el reconocimiento de las estructuras sinápticas está mediado por el cono de crecimiento, que es una
especialización en el extremo de cada axón en crecimiento. El cono de crecimiento detecta y responde a moléculas de señalización que pueden
ser de retraimiento, giro o continuación, que identifican las vías correctas, prohíben las incorrectas y facilitan la formación de sinapsis. Además
hay factores de crecimiento que influyen en el crecimiento axónico y en la formación de sinapsis, y regulan las cantidades apropiadas que debe
haber entre los axones y las células.