Redes Neuronales Artificiales

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
Redes Neuronales Artificiales por Mind Map: Redes Neuronales Artificiales

1. Usos RNA

1.1. Analitica Descriptiva

1.1.1. Aproximación

1.1.1.1. Avance en el modelo de regresion lineal multiple

1.1.1.2. Optimizan los resultados

1.1.1.3. Técnicas estadísticas estándar

1.1.2. Previsión

1.1.2.1. Variable equiparable

1.1.2.1.1. Función aproximación

1.1.3. Clasificación

1.1.3.1. Muestras

1.1.3.1.1. Asignar datos

1.1.3.1.2. Asignar datos

1.1.4. Agrupación

1.1.4.1. Clasifica registros

1.1.4.2. Clasifica registros

1.2. Empresas

1.2.1. Modelos Explicativos

1.2.1.1. Conjunto de datos

1.2.1.1.1. Variables pertinentes

1.2.1.1.2. Grupos de variables pertinentes

1.2.1.2. Conjunto de datos

1.2.2. Aproximar funciones continuas

1.2.2.1. Modelo subyacente

1.3. Economicos

1.3.1. Instituciones financieras

1.3.1.1. Rendimiento

1.3.1.2. eficacia

1.3.1.3. Automatización de tareas

1.4. Medicina

1.4.1. Prevención de enfermedades

1.4.1.1. Cardiovasculares

1.4.1.1.1. Red neuronal para clasificar entre miocardio normal y normal

1.4.1.2. Oculares

1.4.1.2.1. Red neuronal para detectar 50 enfermedades con precisión

1.4.2. Diagnostico y tratamientos

1.4.2.1. Alzheimer

1.4.2.1.1. RNA clasificación de sujetos

1.5. Seguridad

1.5.1. Detección de explosivos en aeropuertos

1.5.1.1. Red Neuronal como clasificador de patrones

1.5.1.1.1. Discriminar entre maletas con o sin explosivos

1.5.1.2. Activación termica por neutrones

1.5.1.2.1. Neutrones penetran el equipaje

1.6. Medio Ambiente

1.6.1. Tratamiento del agua

1.6.1.1. RNA para el control de desintoxicación

1.6.1.1.1. Procesamiento agua potable

1.6.2. Protección Medio Ambiente

1.6.2.1. Medición con sensores

1.6.2.1.1. Impacto ambiental

1.6.2.1.2. Precisan gravedad del impacto

1.6.2.1.3. Gestionan soluciones

2. Aplicación RNA

2.1. Red Neuronal Profunda

2.1.1. Versátil

2.1.2. Caracterizada por

2.1.2.1. Capa entrada

2.1.2.2. Capa salida

2.1.2.3. Capa oculta

2.1.2.3.1. Capas ocultas

2.2. Red Neuronal Recurrente

2.2.1. Procesamiento de datos secuenciales

2.2.2. Caracterizada por

2.2.2.1. Capa entrada

2.2.2.2. Capa salida

2.2.2.3. Capa oculta

2.2.2.3.1. Capas recurrentes

2.2.2.3.2. Retroalimentacion

2.3. Red Neuronal Convolucional

2.3.1. Procesamiento texto e imágenes

2.3.2. Caracterizada por

2.3.2.1. Capa entrada

2.3.2.2. Capa salida

2.3.2.3. Capa oculta

2.3.2.3.1. Convoluciones

2.3.2.3.2. Max Poling

2.4. Perceptrón

2.4.1. Red directa

2.4.2. F.Rosenblatt

2.4.3. Modelos de neuronas biológicas

2.4.4. Clasificador

2.4.4.1. Transformación no lineal

2.5. Red Hopfield

2.5.1. Monocapa

2.5.1.1. Capa de sensores

2.5.2. Bicapa

2.5.2.1. Procesamiento

2.6. Redes Neuronales ART1

2.6.1. Resonancia Adaptiva

2.6.1.1. Clasifica patrones

2.6.1.1.1. Estabilidad

2.6.1.1.2. Plasticidad

2.6.2. Creación de grupos

2.6.2.1. Configuración función

2.6.2.2. Cualidad de patrones

2.7. Red ART2

2.7.1. Ampliación ART1

2.7.1.1. Admite valores reales

2.7.1.2. Clasifica patrones de forma No supervisada

2.8. RN Autorganizativas(Kohonen)

2.8.1. Redes No supervisadas

2.8.2. Patrones similares en el espacio salida

2.8.2.1. Unidimensional

2.8.2.2. Bidimensional

2.8.3. Redes bicapas

2.8.3.1. Entrada: sensores

2.8.3.2. Salida: operaciones

2.8.3.3. Salida: operaciones