Las redes neuronales son sistemas inspirados en el cerebro que consisten en nodos (neuronas) interconectados. Funcionan mediante funciones matemáticas como la propagación y activación para procesar información y aprender. Pueden usarse cuando no hay modelos precisos disponibles, como para problemas de clasificación o reconocimiento de patrones. Presentan ventajas como el aprendizaje, flexibilidad y tolerancia a fallos.
1. Do
N
i
cuC
ww troo
Sebastián Veloz
w
ww.wp P m
d.nfiwrt D P
Primero de bachillerato ‘C’
op F D
izdaf. T
o
rcdm rF
.co iaT
m l ria
REDES NEURONALES
l
2. ¿Que son redes neuronales?
l
m l ria
.co iaT
Las redes de neuronas artificiales (denominadas
habitualmente como RNA o en inglés como: quot;ANN“
rcdm rF
op F D
izdaf. T
son un paradigma de aprendizaje y procesamiento
d.nfiwrt D P
automático inspirado en la forma en que funciona
o
m
el sistema nervioso de los animales. Se trata de un
ww.wp P
sistema de interconexión de neuronas en una red
ww troo
cuC
w
que colabora para producir un estímulo de salida.
En inteligencia artificial es frecuente referirse a
i
N
ellas como redes de neuronas o redes neuronales.
Do
3. ¿Cómo funcionan?
l
m l ria
.co iaT
Unas redes neuronales consisten en simular las
propiedades observadas en los sistemas neuronales
rcdm rF
op F D
izdaf. T
de los seres vivos a través de modelos matemáticos
d.nfiwrt D P
simulados mediante mecanismos artificiales .El
o
m
objetivo es conseguir que las máquinas den una
ww.wp P
respuesta similar a como la daría un cerebro
ww troo
cuC
humano. w
i
N
Do
4. ¿Qué funciones tienen?
l
m l ria
.co iaT
Una función de propagación consiste en el
sumatorio de cada entrada multiplicada por el
rcdm rF
peso de su interconexión que es su valor neto.
op F D
izdaf. T
d.nfiwrt D P
Una función de activación, que modifica a la
o
anterior. En algunos casos esta función es omitida.
ww.wp P m
Una función de transferencia, que se aplica al valor
ww troo
devuelto por la función de activación. Se utiliza
cuC
w
para acotar la salida de la neurona y
i
N
generalmente viene dada por la interpretación que
Do
queramos darle a dichas salidas.
5. ¿Cómo se las diseña y programa?
l
m l ria
.co iaT
La programación de las redes depende de la
voluntad del programador y la función especifica
rcdm rF
op F D
izdaf. T
que vaya a cumplir por lo tanto el programador
d.nfiwrt D P
solo ve el fin a darse y lo trata de resolver con
o
m
algoritmos matemáticos para llegar al mismo.
ww.wp P
ww troo
cuC
w
i
N
Do
6. ¿Que ventajas nos brindan estas
redes?
l
m l ria
.co iaT
Estas redes por ser mecanismos basados en el
cerebro humano nos brindan varias ventajas como
rcdm rF
op F D
izdaf. T
por ejemplo el aprendizaje, la auto-organización,
d.nfiwrt D P
la tolerancia a los fallos que pueda cometer, la
o
m
flexibilidad que consiste en que por si sola realiza
ww.wp P
cambios pequeños y por ultimo el tiempo real en el
ww troo
cuC
que trabaja. w
i
N
Do
7. Tipología de las redes neuronales
l
m l ria
.co iaT
Tenemos varios modelos como por ejemplo:
Perceptrón
rcdm rF
op F D
izdaf. T
Adaline
d.nfiwrt D P
o
Perceptrón multicapa
m
Memorias asociativas
ww.wp P
ww troo
Máquina de Bolzman
cuC
Máquina de Cauchy w
i
N
Propagación hacia atrás (backpropagation)
Do
Redes de Elman
8. ¿En que se pueden dividir?
l
m l ria
.co iaT
A estas redes se las puede dividir en 2 clases que
son:
rcdm rF
op F D
izdaf. T
Redes de propagación hacia delante las cuales se
d.nfiwrt D P
o
dividen en monocapas y multicapas.
m
Las redes recurrentes las cuales presentan al menos
ww.wp P
ww troo
un ciclo de activación.
cuC
w
i
N
Do
9. Aplicaciones
l
m l ria
.co iaT
Las características de las RNA las hacen bastante
apropiadas para aplicaciones en las que no se
rcdm rF
op F D
izdaf. T
dispone a prioridad de un modelo identificable que
d.nfiwrt D P
pueda ser programado.
o
m
También se pueden utilizar cuando no existen
ww.wp P
ww troo
modelos matemáticos precisos o algoritmos con
cuC
w
complejidad razonable; por ejemplo la red de
i
Kohonen ha sido aplicada con un éxito más que
N
Do
razonable al clásico problema del viajante.