REDES NEURONALES

Page 1

Las Redes Neuronales Artificiales están inspiradas en la

biología, esto significa que están formadas por elementos que se comportan de

manera análoga a las neuronas (en las funciones más elementales) y están

organizadas de una forma similar a la del cerebro, pero las analogías no son

muchas más.

DEFINICIONES

Una nueva forma de computación, inspirada en modelos

biológicos.

Un modelo matemático compuesto por un gran número de

elementos procesales organizados en niveles.

Redes interconectadas masivamente en paralelo de elementos

simples (usualmente adaptativos) y con organización jerárquica, las cuales

intentan interactuar con los objetos del mundo real del mismo modo que lo hace

el sistema nervioso biológico

Page 2

VENTAJAS

Aprendizaje Adaptativo. Capacidad de aprender a realizar

tareas basadas en un entrenamiento o en una experiencia inicial.

Auto-organización. Una red neuronal puede crear su propia

organización o representación de la información que recibe mediante una etapa

de aprendizaje.

Tolerancia a fallos. La destrucción parcial de una red

conduce a una degradación de su estructura; sin embargo, algunas capacidades de

la red se pueden retener, incluso sufriendo un gran daño.

Operación en tiempo real. Los cómputos neuronales pueden ser

realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware

especial para obtener esta capacidad.

Fácil inserción dentro de la tecnología existente. Se pueden

obtener chips especializados para redes neuronales que mejoran su capacidad en

ciertas tareas. Ello facilitará la integración modular en los sistemas existentes.

Page 3

CARACTERÍSTICAS

Aprenden de la experiencia: pueden modificar su

comportamiento como respuesta a su entorno. Dado un conjunto de entradas (quizá

con las salidas deseadas), se ajustan para producir respuestas consistentes.

Generalizan de ejemplos anteriores a los ejemplos nuevos:

Una vez que esté entrenada, la respuesta de la red puede ser, hasta un cierto

punto, insensible a pequeñas variaciones en las entradas, lo que las hace

idóneas para el reconocimiento de patrones.

Abstracción de la esencia de las entradas: Algunas Redes

neuronales son capaces de abstraer información de un conjunto de entradas. Una

vez que la red sea correctamente entrenada será capaz de producir un resultado

correcto ante una entrada distorsionada, lo que significa que ha sido capaz de

aprender algo que nunca había visto.

Page 4

En la tabla podemos observar la comparativa entre las dos

redes.

Page 5

CLASIFICACIÓN

Según su arquitectura:

La arquitectura de una red consiste en la disposición y

conexionado de las neuronas. Podemos distinguir en una red, el número de capas,

el tipo de las capas, que pueden ser ocultas o visibles, de entrada o de salida

y la direccionalidad de las conexiones de las neuronas.

Según el aprendizaje:

El aprendizaje se basa en el entrenamiento de la red con

patrones. El proceso de aprendizaje se basa en que la red ejecute los patrones

de forma iterativa hasta que se muestren respuestas satisfactorias. Es decir,

los pesos sinápticos se ajustan para dar respuestas óptimas para el conjunto de

patrones de entrenamiento.

Page 6

APLICACIONES DE LAS REDES NEURONALES

La computación neuronal provee un acercamiento mayor al

reconocimiento y percepción humana que los métodos tradicionales de cálculo.

Las redes neuronales artificiales presentan resultados razonables en

aplicaciones donde las entradas presentan ruido o las entradas están

incompletas. Algunas de las áreas de aplicación de las ANN son las siguientes:

Análisis y Procesado de señales

Reconocimiento de Imágenes

Control de Procesos

Filtrado de ruido Robótica

Procesado del Lenguaje

Diagnósticos médicos

Entre otros

Page 7

BIBLIOGRAFÍA

Almeida, R.

C. (s.f.). Inteligencia Artificial. México. Recuperado el 09 de Diciembre de

2016, de http://www2.ulpgc.es/hege/almacen/download/38/38584/practica_ia_2.pdf

Asensio, H. G., & Bowen, A. M. (s.f.).

Inteligencia artificial Redes neuronales y. Madrid, España. Recuperado el 09

de Diciembre de 2016, de

http://www.it.uc3m.es/jvillena/irc/practicas/10-11/06mem.pdf

DamiánMatich, J. (Marzo de 2001). Redes Neuronales:

Conceptos Básicos y Aplicaciones. Recuperado el 2016 de Diciembre de 2016, de

https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redes...