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.