REDES NEUROnales Resumen

REDES NEURONALES ARTIFICIALES ARTIFICIALES INTRODUCCIÓN La tecnología neural trata de reproducir el proceso de solución de problemas del cerebro. Así como los humanos aplican el conocimiento ganado con la experiencia a nuevo problemas o situaciones, una red neural toma como ejemplos problemas resueltos para construir un sistema que toma decisiones y realiza clasifcaciones. Los problemas adecuados para la solución neural son aquellos que no tienen solución computacional precisa o que requieren algoritmos muy extensos como en el caso del reconocimiento de imgenes.

HISTORIA DE LAS REDES NEURALES Alrededor de !"#$ los investigadores %arren %arren &c'ulloch y %alter (itts propusieron el primer modelo simple de la neurona. )n las d*cadas de los l os cincuenta y los sesenta, el movimiento en redes neurales +ue liderado por . %idro- y &. ). oo+., oo+., quienes trabajaron con una mquina llamada ll amada  Adaline /Adaptive linear element0. 1tro pionero +ue el psicólogo 2ran3 4osenblatt 4osenblatt de la 5niversidad de 'orell. )n !"6", 4osenblatt construyó una mquina neural simple que llamó  perceptrón. 7sta tenía una matriz con #88 +otoceldas que se conectaban aleatoriamente a 6!9 unidades tipo neurona. 'uando se representaba un patrón a las unidades sensoras, *stas enviaban una se:al a un banco de neuronas que indicaba la categoría del patrón. )l perceptrón de 4osenblatt 4osenblatt reconoció todas las letras del al+abeto. Al fnal de los a:os setenta &ins3y y (apert demotraron que los perceptrones eran incapaces de hacer tareas simples tales como sintetizar la +unción lógica ;14. Las matemticas del libro Peceptrons  eran indiscutibles y su tono dio el mensaje que los perceptrones eran un camino sin salida. 5no de los científcos que continrossberg, ahora director del 'entro para =istemas Adoptivos de la 5niversidad de oston. >rossberg  junto con >ail 'arpenter de la 5niversidad de ?ortheastern ?ortheastern han propuesto propuesto un modelo de red neural llamado A4@ A4@ /Adaptive 4esonance @heory0. 1tros investigadores que trabajaron durante los a:os setenta +ueron @euvo ohonen, de la 5niversidad de elsin3i, y Bim Anderson, de la 5niversidad de ro-n, que trbajó con alternativas de semillas de conexionismo y junto con >eoC into, qui*n presentó trabajos matemticos y de aplicación de redes neurales organizaron el primer encuentro neoconexionista en !"D", al cual asistieron Eavid 4umelhart, &c 'lelland, >eoC inton, Anderson, Berry 2eldman y @erry =ejno-s3i. )n !"FG &c 'lelland y 4umelhart publicaron un libro en dos vol
investigación en sistemas neurales al mostrar las ventajas y desventajas de las redes neurales artifciales /4?A0. Algunas ventajas de las 4?A +rente a otros sistemas de procesamiento de in+ormación sonH •

•

• •

Las 4?A pueden sintetizar algoritmos a trav*s de un proceso de aprendizaje. (ara utilizar la tecnología neural no es necesario conocer los detalles matemticos. =ólo se requiere estar +amiliarizado con los datos del trabajo. La solución de problemas no lineales es uno de los +uertes de las 4?A. Las 4?A son robustas, pueden +allar algunos elementos de procesamiento pero la red contin
Las desventajas de las redes neurales sonH •

•

•

Las 4?A se deben entrenar se deben entrenar para cada problema. Adems, es necesario realizar m
()4')(@4J? )s un tipo de red neural artifcial. @ambi*n puede entenderse como perceptrón la neurona artifcial y unidad bsica de in+erencia en +orma de discriminador lineal. 7ste consiste en una suma de las se:ales de entrada, multiplicadas por unos valores de pesos escogidos inicialmente en +orma aleatoria. )n una +ase en la que *ste aprende, la entrada se compara con un patrón preestablecido para determinar la salida de la red. =i en la comparación la suma de las entradas multiplicadas por los pesos es mayor o igual que el patrón preestablecido, la salida de la red es uno /!0I en caso contrario la salida es cero /80. )l perceptrón es un dispositivo que, en su confguración inicial, no est en capacidad de distinguir patrones de entrada muy complejos, sin embargo mediante un proceso de aprendizaje es apto para adquirir esta capacidad. )n esencia, el entrenamiento implica un proceso de re+uerzo a trav*s del cual los pesos que codifcan las sinapsis se incrementan o se disminuyen. La

red tipo de perceptrón +ue inventada por el psicólogo 2ran3 4osenblatt en el a:o !"6D.

Redes de retropropagación (bacpropagation! (rincipios para entrenar una red multicapa empleando el algoritmo de retropropagación )l algoritmo ac3propagation para redes multicapa es una generalización del algoritmo de mínimos cuadrados. Ambos algoritmos realizan su labor de actualización de pesos y ganancias con base en el error medio cuadrtico. La red ac3propagation trabaja bajo aprendizaje supervisado y por tanto necesita un conjunto de instrucciones de entrenamiento que le describa cada salida y su valor de salida esperado. =i se considera la red de tres capas con dos entradas y una salida de la fgura !.G, es posible apreciar que cada neurona est compuesta de dos unidades, donde la primera suma los productos de las entradas por sus respectivos pesos, y la segunda unidad contiene la +unción de activación. La se:al e corresponde a la salida de la suma y yK +/e0 es la se:al de salida del elemento no lineal de la +unción de activación, así como la salida de la neurona. (ara ense:arleM a la red neural es necesario entrenar un conjunto de datos, el cual consiste en se:ales de entradas x! y x9 asignadas con objetivos correspondientes /salidas deseadas0 denominados z. )l entrenamiento es un proceso iterativo. )n cada iteración los pesos de los nodos se modifcan usando nuevos datos del conjunto para el entrenamiento. Las modifcaciones de los pesos se calculan empleando el algoritmo de retropropagación del error para el entrenamiento supervisado.