ensayo de redes neuronales
DESCRIPTION
Ensayo sobre redes neuronales del aprendiz en ADSI Albeiro Bustos.TRANSCRIPT
-
ENSAYO DE REDES NEURONALES
LUIS ALBEIRO BUSTOS RAMOS
TECNLOGO EN ANLISIS Y DESARROLLO DE INFORMACIN
664151
EMERSON GALEANO
CENTRO DE DESARROLLO AGROINDUSTRIAL Y EMPRESARIAL
SENA VILLETA
CUNDINAMARCA
-
QU SON LAS REDES NEURONALES?
En nuestro sistema nervioso existen clulas llamadas neuronas que reciben un
estmulo elctrico de otras neuronas principalmente a travs de su rbol
dendrtico.
Las redes neuronales no son ms que un modelo artificial y simplificado del
cerebro humano, cuya unidad bsica de procesamiento est inspirada en la
clula fundamental del sistema nervioso humano que es la neurona. Todos los
procesos del cuerpo humano se relacionan en alguna u otra forma con la
actividad o inactividad de estas neuronas, pero cuando millares de ellas se
conectan en forma conjunta podran ser muy poderosas.
Las redes neuronales pretende imitar a pequea escala la forma de
funcionamiento de las neuronas que forma el cerebro humano pero tratan con
mayor exactitud posible, donde Warren McCulloch y Walter Pitts han
desarrollado el modelo original de una neurona, dando origen a los modelos
conexionistas definiendo formalmente la neurona en 1943 como una maquina
binaria con varias entradas y salidas donde tambin incluyo diferentes inputs y
el output.
Cada entrada est afectada por un peso lo cual la activacin de la neurona se
calcula mediante la suma de los productos de cada entrada y la salida es una
funcin de esta activacin, como hemos visto, las entradas son modificadas por
el peso y las salidas son modificaciones por lo cual podemos concluir que los
pesos influyen de forme decisiva en la salida y por lo cual podemos utilizarlos
para controlar la salida que deseemos claro si nos basamos en investigaciones.
-
El aprendizaje se localiza en la sinapsis o conexiones entre neuronas y la
informacin se presenta en el cerebro mediante un conjunto de neuronas activas
o inactivas.
Las redes neuronales artificiales (ANNs) son un paradigma para hacer cmputo
y para la detencin de patrones basado en la interconexin paralela de neuronas
artificiales las cuales tiene capacidades similares de procesar informacin en
forma paralela donde tambin recrean o modelan las caractersticas de las
neuronas que se mencionan en sistemas computacionales de software y
hardware las cuales algunas de las capacidades o caractersticas de las redes
neuronales son:
Aprendizaje.
Clasificacin.
Almacenaje de informacin.
Interpolarizacin.
Adaptacin.
El modelo de una red neuronal con mltiples capas difiere de las que se han visto
hasta ahora en que incluye neuronas en capas escondidas lo cual no son
visibles ni al input, ni al output por lo cual un perceptron de dos capas puede
discernir regiones poligonales, uno de tres o ms capas puede discernir regiones
arbitrarias (Multi Layer Perceptron o MLP) ejemplo de un multilayer neural
network es capaz de resolver el problema del XOR. Estos ANN tiene la
capacidad de separar inputs en mltiples funciones lineales y de esta manera
pueden detectar patrones ms complejos que de redes de una funcin lineal.
Las tpicas funciones no lineales (f) usadas en redes neuronales incluyen:
sigmoides, limitante duro (step function), y rampa.
-
Los sigmoides f(s) son:
Monotnicos (sin discontinuidades)
Bounded (limitados)
Tiene derivados simples f (s)=Kf(s)[1-f(s)]
No linear
Los limitantes duros y rampas son:
No monotonicos (tiene discontinuidades)
No tiene derivados simples
Linear (dentro de las reas con lmites)
Debido a su constitucin y sus fundamentos, las redes neuronales artificiales
presentan un gran nmero de caractersticas semejantes al cerebro. Esto hace
que ofrezcan numerosas ventajas al ser humano y que este tipo de tecnologa
se est aplicando en mltiples reas lo cual estas ventajas incluyen:
Aprendizaje Adaptativo: Es la capacidad de aprender a realizar tareas basadas
en un entrenamiento o una experiencia inicial.
Auto Organizacin: Las redes neuronales usan su capacidad de aprendizaje
adaptativo para organizar la informacin que recibe durante el proceso de
aprendizaje o la operacin.
Operacin de Tiempo Real: Los computadores neuronales pueden ser
realizados en paralelo, se disean y se fabrican maquinas con hardware especial
para obtener esta capacidad.
-
Fcil Insercin dentro de la Tecnologa Existente: Debido a que una red
puede ser rpidamente entrenada, comprobada, verificada y trasladada a una
implementacin hardware de bajo costo, es fcil insertar una red neuronal
artificial para aplicaciones especficas dentro de sistemas existentes (chips, por
ejemplo). De esta manera, las redes neuronales artificiales se pueden utilizar
para mejorar el sistema de formacin incremental, y cada paso puede ser
evaluado antes de acometer un desarrollo ms amplio.
Lo cual las redes neuronales manejan dos tipos de informacin: La primera, es
la informacin voltil, que se refiere a los datos que se estn usando y varan
con la dinmica de la computacin de la red, se encuentra almacenada en el
estado dinmico de las neuronas. El segundo tipo de informacin que manejan
las redes neuronales, es la informacin no voltil que se mantiene para recordar
los patrones aprendidos y se encuentra almacenada en los pesos sinpticos.
El aprendizaje de las redes neuronales, es el proceso de presentar los patrones
a aprender a la red y el cambio de los pesos de las conexiones sinpticas usando
una regla de aprendizaje lo cual consiste en algoritmos basados en frmulas
matemticas, que usando tcnicas como minimizacin del error o la optimizacin
de alguna funcin de energa, modifican el valor de los pesos sinpticos en
funcin de las entradas disponibles y con ello optimizan la respuesta de la red a
las salidas que deseamos.
Es el momento en que las personas reconozcan que los recursos de la tierra son
limitados y que la vida humana debe restaurarse alrededor del compromiso de
controlar el crecimiento de la industria, el tamao de la ciudades y el uso racional
de la energa, ojala la aplicacin de tecnologas como las redes neuronales
permitan ayudar a contribuir en el medio ambiente, a los seres humanos y
animales para el bien y no para la contaminacin en s misma. Por esto se deber
crear estas tecnologas con un propsito de ayudar al ser humano a mejorar la
-
evolucin futura con el propsito de reducir la contaminacin y buscar soluciones
para el medio ambiente y la sociedad en s misma. Parece que las redes
neuronales seguirn evolucionando rpidamente y en direcciones impredecibles
y que estos cambios, a su vez, influirn en la evolucin de la especie humana
futura y la sociedad. Por esto se deber tener un cuidado a la evolucin de las
redes neuronales donde el ser humano tenga el control absoluto para el bien del
planeta y el ser humano.