Redes Neuronales

Sistemas de Informacin con
Redes Neuronales.
Neurona Artificial
La unidad de procesamiento artificial equivalente a
una neurona biolgica intenta imitar los aspectos de
sta en cuanto a su comportamiento y
funcionamiento, donde a partir de un vector de
entradas produce una nica salida.
Estructura
La arquitectura ms usada en la actualidad de una red neuronal consistira
en:
Una primera capa de entradas, que recibe informacin del exterior.
Una serie de capas ocultas (intermedias), encargadas de realizar el
trabajo de la red.
Una capa de salidas, que proporciona el resultado del trabajo de la red al
exterior.
Las neuronas se agrupan formando capas, y las capas
se organizan para formar la estructura de la red.
Red Neuronal Artificial
Las redes neuronales son un modelo artificial y
simplificado, consiste en la construccin de sistemas que
sean capaces de reproducir caractersticas humanas, por
ejemplo del cerebro humano que disponemos para un
sistema que es capaz de adquirir conocimiento a travs de
la experiencia.
Una red neuronal es un nuevo sistema para el tratamiento
de la informacin, cuya unidad bsica de procesamiento
esta inspirada en la clula fundamental del sistema
nervioso humano: la neurona.
Objetivos
Construccin de sistemas que sean capaces de reproducir
caractersticas humanas.
Modelo para hacer computo y para la deteccin de
patrones basado en la interconexin paralela de neuronas
artificiales.
Estructura basada en los complejos sistemas nerviosos de
los animales y seres humanos con su gran cantidad de
interconexiones y paralelismo.
Las redes neuronales artificiales recrean o modelan las
caractersticas de las neuronas en sistemas
computacionales de software y hardware.
Cmo aprende una RNA?
El sistema aprende al correr un conjunto de datos a
travs de la red.
El sistema ajusta los pesos al comparar sus resultados
parciales con el resultado final.
Despues de correr un gran numero de muestras, la
red aprende como se repiten patrones y secuencias
que le permite realizar predicciones exactas.
Tipos de Aprendizaje
SUPERVISADO: Se presenta a la red un conjunto de
patrones de entrada junto con la saida esperada
NO SUPERVISADO: Se presenta a la red un conjunto
de patrones de entrada. No hay informacin
dispnible sobre la salida esperada
POR REFUERZO: Se presenta a la red un conjunto de
patrones de entrada y se indica si la salida obtenida
es o no correcta
Funcionamiento
Consiste en una simulacin de las propiedades
observadas en los sistemas neuronales biolgicos a
travs de modelos matemticos recreados mediante
mecanismos artificiales.

El objetivo es conseguir que las maquinas den
respuestas similares a la que es capaz de dar el
cerebro humano que se caracteriza por su
generalizacin y su robustez.
Evaluacin
Cuando se evala una red neuronal no slo es
importante evaluar si la red ha sido capaz de
aprender los patrones de entrenamiento sino
tambin evaluar el comportamiento de la red ante
patrones nunca antes vistos. Esta caracterstica de las
redes neuronales se la conoce como capacidad de
generalizacin y es adquirida durante la fase de
entrenamiento o aprendizaje [Sanger, 1989].
Criterios de evaluacin
Dentro de la muestra
Analizan la capacidad de las redes para caracterizar
correctamente a la muestra de datos utilizada para su
entrenamiento
Fuera de la muestra
Analizan la capacidad de generalizacin de las redes,
o capacidad para responder correctamente ante la
presencia de patrones nuevos
Tipos de RNA
Perceptrn: RNA simple. Su principal caracterstica es la
capacidad para reconocer patrones.

Perceptrn multicapas: Las capas ocultas le permiten
resolver problemas que no son linealmente separables.

Adaline: Muy similar al perceptrn pero ya que su funcin
de transferencia es lineal ha encontrado muchos mas usos.
Campos de aplicacin
Empresas:
Identificacin de candidatos para posiciones especficas.
Sntesis de voz desde texto.
Anlisis de tendencias y patrones.
Finanzas:
Valoracin del riesgo de crdito.
Interpretacin de firmas.
Identificacin de falsificaciones.

Manufacturacin:
Control de produccin en lneas de proceso.
Inspeccin de calidad.
Visin artificial, sensores de presin, temperatura.
* Procesamiento de imagen y de voz
* Reconocimiento de patrones
* Control de robots
* Filtrado de seales
* Base de datos de conocimiento
* Interfaces adaptativas para sistemas ( Hombre/Mquina )

Ejemplos
Quake II Neuralbot
Es una RNA que simula a un jugador humano para el juego de
pc Quake II que utiliza los RNA para decidir su
comportamiento y un algoritmo gentico para el aprendizaje.

Clasificador No Sesgado de Protenas
Es una RNA que combina diversas tcnicas computacionales
con el objetivo de clasificar familias de protenas. Un posible
mtodo consiste en utilizar mtricas adaptativas como por
ejemplo: mapas autoorganizados y algoritmos genticos.
Conclusin
El avance en el futuro de las redes neuronales solo
ser posible como lo ha demostrado la historia, a
partir de los avances de las tecnologas, herramientas
y tcnicas que permitieron ampliar su conocimiento.

Redes Neuronales

Cargado por

Copyright:

Formatos disponibles

Redes Neuronales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Redes Neuronales

Cargado por

Copyright:

Formatos disponibles

Sistemas de Informacin con

También podría gustarte