<\/span><\/h2>\nAqu\u00ed se hace m\u00e1s patente que en ninguna otra herramienta aquello de que los sistemas \u201caprenden\u201d con el tiempo y la experiencia ya que, observando el desempe\u00f1o de la ANN mediante una funci\u00f3n coste, evaluamos el error entre la salida obtenida y la salida que quer\u00edamos haber obtenido y, resumiendo, modificamos los pesos sin\u00e1pticos para reducir tal error, gracias a un algoritmo automatizado llamado propagaci\u00f3n hacia atr\u00e1s (personalmente, lo m\u00e1s fascinante de las ANN).<\/p>\n
Es verdad que perdemos comprensi\u00f3n a la hora de saber c\u00f3mo las entradas influyen en la salida, pero la precisi\u00f3n que se obtiene en estas herramientas hace que se compense<\/strong> dicha p\u00e9rdida.<\/p>\n<\/span>\u00bfC\u00d3MO IMPLEMENTO LAS ANN DE MI EMPRESA?<\/span><\/h2>\nA partir de aqu\u00ed, las oportunidades de las ANN son inmensas, pudi\u00e9ndose agrupar en : <\/p>\n
1) Aproximaci\u00f3n de funciones:<\/strong> ya que, aunque se usen nombres vertiginosos para los no expertos (neuronas, pesos sin\u00e1pticos) no es m\u00e1s que el campo de optimizaci\u00f3n de funciones, en este caso de una funci\u00f3n coste. Algo id\u00e9ntico a lo que una regresi\u00f3n lineal simple hace sobre la funci\u00f3n error.<\/p>\n2) Predicci\u00f3n de series temporales:<\/strong> no deja de ser un tipo especial de aproximaci\u00f3n de funciones, en el que el estado actual i es funci\u00f3n del estado anterior i-1.<\/p>\n3) Clasificaci\u00f3n:<\/strong> quiz\u00e1 el uso m\u00e1s extendido de las ANN, en donde son usadas para categorizar a una muestra en una de las serie de clases ya definidas que m\u00e1s se adec\u00faan a sus variables, e.g categorizar a un tumor si es benigno o maligno, si un correo es spam o no, si la imagen analizada es un coche, un \u00e1rbol, un gatito\u2026<\/p>\n4) Agrupamiento:<\/strong> Un tipo de clasificaci\u00f3n, en el cual no se conocen las categor\u00edas de antemano (entramos en el campo del aprendizaje no supervisado). Las muestras ser\u00e1n agrupadas en funci\u00f3n de unas caracter\u00edstica de entrada, ponderando de sobremanera aquellas que sean \u201cgeogr\u00e1ficamente\u201d m\u00e1s cercanas entre s\u00ed.<\/p>\n<\/span>EN RESUMEN<\/span><\/h2>\nLas ANN son una de las herramientas m\u00e1s poderosas dentro del An\u00e1lisis predictivo y la Inteligencia Artificial<\/strong><\/em>, y los procesos industriales son escenario id\u00f3neos para \u201cexprimir\u201d<\/em> al m\u00e1ximo estos cerebros artificiales. Si las m\u00e1quinas son el m\u00fasculo de la Industria 4.0, las ANN tienen que ser, sin duda, la cabeza. <\/p>\n<\/span>\u201cEl cerebro es b\u00e1sicamente un ordenador y la conciencia un programa. En teor\u00eda, podr\u00eda ser recreado en una red neuronal<\/i>\u201d. – Stephen Hawking.<\/span><\/h3>\n<\/span>COMPARTE ESTE POST<\/span><\/h4>\n","protected":false},"excerpt":{"rendered":"… LAS REDES NEURONALES ARTIFICIALES Continuando con nuestro esfuerzo por acercar a un plano m\u00e1s sencillo y pr\u00e1ctico aquellos conceptos que son claves en el escenario de la Industria 4.0, hoy presentamos una de las principales herramientas anal\u00edticas, paradigma de Machine Learning: las redes neuronales artificiales (conocidas por sus siglas en ingl\u00e9s ANN). Una ANN […]<\/p>\n","protected":false},"author":1,"featured_media":1330,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"categories":[111,29],"tags":[],"acf":[],"yoast_head":"\n
ATERRIZANDO LA REVOLUCI\u00d3N 4.0\u2026 | LIS Data Solutions<\/title>\n \n \n \n \n \n \n \n \n \n \n \n\t \n\t \n\t \n \n \n \n\t \n\t \n\t \n