REDES NEURONALES ARTIFICIALES

CONCEPTO BASICO

APLICACIONES DE LAS REDES

Las Redes Neuronales son tiles para:

Dos tipos de aprendizaje

Red Neuronal Artificial

No son algortmicas

Dos fases de operacin

Las Redes Neuronales Artificiales (RNA) o sistemas conexionistas son sistemas de procesamiento de la informacin cuya estructura y funcionamiento estn inspirados en las redes neuronales biolgicas. Consisten en un conjunto de elementos simples de procesamiento llamados nodos o neuronas conectadas entre s por conexiones que tienen un valor numrico modificable llamado peso.

Las (RNA) han encontrado muchas aplicaciones con xito en la visin artificial, en el procesado de seales e imgenes, reconocimien to del habla y de caracteres, sistemas expertos, anlisis de imgenes mdicas, control remoto, control de robots, inspeccin industrial y exploracin cientfica.

Clasificacin de patrones Aproximacin de funciones Mapeo En los que exista informacin imprecisa y con tolerancia a fallos Aprendizaje Adaptativo. Auto organizacin. Tolerancia a Fallos. Operacin en tiempo real. Fcil construccin en circuitos integrados.

Supervisado

No Supervisado

Ocurre cuando se le proporciona a la red tanto la entrada como la salida correcta, y la red ajusta sus pesos tratando de minimizar el error de su salida calculada. Este tipo de entrenamiento se aplica por ejemplo, en el reconocimient o de patrones.

Se presenta cuando a la red se le proporciona n nicamente los estmulos, y la red ajusta sus interconexio nes basndose nicamente es sus estmulos y la salida de la propia red.

El concepto de Red Neuronal Artificial est inspirado en las Redes Neuronales Biolgicas. Una Red Neuronal Biolgica es un dispositivo no lineal altamente paralelo, caracterizado por su robustez y su tolerancia a fallos. Sus principales caractersticas son las siguientes: Aprendizaje mediante adaptacin de sus pesos sinpticos a los cambios en el entorno. Manejo de imprecisin, ruido e informacin probabilstica.

La gran diferencia del empleo de las redes neuronales en relacin con otras aplicaciones de la computacin radica en que no son algortmicas, esto es no se programan hacindoles seguir una secuencia predefinida de instrucciones. Las RNA generan ellas mismas sus propias "reglas", para asociar la respuesta a su entrada; es decir, aprende por ejemplos y de sus propios errores.

Entrenamiento de la red: El usuario proporciona a la red un nmero "adecuado" de estmulos de entrada, y de salida, la red entonces ajusta su pesos de interconexin o sinapsis hasta que la salida de la red est "lo suficientemente cerca" de la salida correcta. Recuperacin de lo aprendido: A la red se le presenta un conjunto de estmulos de entrada y esta simplemente calcula su salida. Cuando la red emplea entrenamiento no supervisado, ser necesario que reajuste su sinpsis durante la fase de recuperacin.