Está en la página 1de 12

Integrantes: Felipe Eduardo Guiez Araneda Mariano Alejandro Romn Rozas Camilo Fernando Ros Verdugo Ricardo Jos

Muoz Duarte Claudio Alexis Meza Vega

Profesora: Patricia Mellado Acevedo Fecha: lunes 07/06/2010

ndice
Pgina 3: Introduccin, antecedentes histricos Pgina 4: Redes neuronales y neurona artificial. Pgina 6: Aprendizaje de las redes neuronales Pgina 7: Ventajas al usar RNA Pgina 9: aplicaciones de las RNA Pgina 11: conclusin Pgina 12: bibliografa

Introduccin

Desde el principio de la humanidad se so con el desarrollo de mquinas que puedan imitar la capacidad de aprendizaje del hombre. Actualmente es un desafo en el que pone todas sus miradas una parte de la comunidad cientfica. Desde hace algunos aos, algunos investigadores han estado creando modelos, tanto en hardware como en software, que interpretan la actividad cerebral en un esfuerzo por producir una forma de inteligencia artificial. Una neurona es una clula especializada en la comunicacin de informacin. Es la unidad funcional bsica del cerebro y del sistema nervioso

La unidad de procesamiento artificial equivalente a una neurona biolgica intenta imitar los aspectos de esta en cuanto a su comportamiento y funcionamiento. De este modo se disponen de unas entradas y salidas, como en las neuronas biolgicas, que transmitirn valores, bien reales o binarios de una neurona a otra, en vez de seales electroqumicas.

Antecedentes Histricos

En 1943, Warren McCulloc y Walter Pitts originaron el primer modelo de operacin neuronal, el cual fue mejorado en sus aspectos biolgicos por Donald Hebb en 1948. En 1949 Donald Hebb regla aprendizaje. En 1962 Bernard Widrow propuso la regla de aprendizaje Widrow-Hoff, y Frank Rosenblatt desarroll una prueba de convergencia, y defini el rango de problemas para los que su algoritmo aseguraba una solucin. El propuso los 'Perceptrons' como herramienta computacional.

Las redes Neuronales

Las redes neuronales no son ms que un modelo artificial y simplificado del cerebro humano, que es el ejemplo ms perfecto del 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 est inspirada en la clula fundamental del sistema nervioso humano: la neurona".

La Neurona Artificial

Si se tienen N neuronas, podemos ordenarlas arbitrariamente y designarlas como unidades. Su trabajo es simple y nico, y consiste en recibir las entradas de las clulas vecinas y calcular un valor de salida, el cual es enviado a todas las clulas restantes.

Imagen : Neurona Artificial

Se conoce como capa o nivel a un conjunto de neuronas cuyas entradas provienen de la misma fuente (que puede ser otra capa de neuronas) y cuyas salidas se dirigen al mismo destino (que puede ser otra capa de neuronas). De esta manera podemos destacar tres tipos de unidades:

Las unidades de entrada reciben seales desde el entorno (son seales que proceden de sensores o de otros sectores del sistema).

Las unidades de salida envan la seal fuera del sistema (son seales que pueden controlar directamente potencias u otros sistemas). Las neuronas de las capas ocultas pueden estar interconectadas de distinta manera, lo que determina con su nmero, las distintas tipologas de redes neuronales. Las unidades ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema (son seales que no tienen contacto con el exterior).

Las RNA estn compuestas de un gran nmero elementos de procesamiento altamente interconectados (Neuronas) trabajando al mismo tiempo para la solucin de problemas especficos. Las RNA, tal como las personas, aprenden de la experiencia. En cualquier caso, se trata de una nueva forma de computacin que es capaz de manejar las imprecisiones e incertidumbres que aparecen cuando se trata de resolver problemas relacionados con el mundo real (reconocimiento de formas, toma de decisiones ,etc..), ofreciendo soluciones robustas y de fcil implementacin.

Una red neuronal artificial (RNA) es un sistema de procesamiento de informacin que tiene ciertas aptitudes en comn con las redes neuronales biolgicas: El procesamiento de informacin ocurre en muchos elementos simples llamados neuronas. Las seales son transferidas entre neuronas a travs de enlaces de conexin. Cada conexin tiene un peso asociado, el cual, tpicamente, multiplica a la seal transmitida. Cada neurona aplica una funcin de activacin (usualmente no lineal) a su entrada de red (suma de entradas pesadas) para determinar su salida

Aprendizaje de las redes neuronales

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.

La regla de aprendizaje consiste en algoritmos basados en formulas 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.

El aprendizaje se basa en el entrenamiento de la red con patrones, que usualmente son llamados patrones de muestra o entrenamiento. El proceso usual del algoritmo es que la red ejecuta los patrones iterativamente, cambiando los pesos de las sinapsis, hasta que convergen a un conjunto de pesos ptimos que representan a los patrones lo suficientemente bien, entonces mostrar una respuesta satisfactoria para esos patrones. Esto es, sus pesos sinpticos se ajustan para dar respuestas correctas al conjunto de patrones de entrenamiento que le hemos mostrado.

Ventajas al usar RNA


Las redes neuronales artificiales (RNA) tienen muchas ventajas debido a que estn basadas en la estructura del sistema nervioso, principalmente el cerebro.

Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cul es la salida (respuesta) esperada.

Auto organizacin: Una RNA crea su propia representacin de la informacin en su interior, descargando al usuario de esto.

Tolerancia a fallos: Debido a que una RNA almacena la informacin de forma redundante, sta puede seguir respondiendo de manera aceptable aun si se daa parcialmente.

Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin de entrada, como seales con ruido u otros cambios en la entrada (ej. si la informacin de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente)

Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoras o en dispositivos electrnicos especiales, se pueden obtener respuestas en tiempo real.

La posibilidad de resolver problemas difciles es dable gracias a los principios de las redes neuronales, los cinco ms importantes son:

Aprendizaje adaptativo: Esta es quizs la caracterstica ms importante de las redes neuronales, pueden comportarse en funcin de un entrenamiento con una serie de ejemplos ilustrativos. De esta forma, no es necesario elaborar un modelo a priori, ni establecer funciones probabilsticas. Una red neuronal artificial es adaptativa porque puede modificarse constantemente con el fin de adaptarse a nuevas condiciones de trabajo. Auto organizacin: Mientras que el aprendizaje es un proceso donde se modifica la informacin interna de la red neuronal artificial, la auto organizacin consiste en la modificacin de la red completa con el fin de llevar a cabo un objetivo especfico. Auto organizacin significa generalizacin, de esta forma una red puede responder a datos o situaciones que no ha experimentado antes, pero que puede inferir sobre la base de su entrenamiento. Esta caracterstica es muy til sobre todo cuando la informacin de entrada es poco clara o se encuentra incompleta.

Tolerancia a fallos: En la computacin tradicional la prdida de un fragmento pequeo de informacin puede acarrear comnmente la inutilizacin del sistema. Las redes neuronales artificiales poseen una alta capacidad de tolerancia a fallos. Se entiende por ello que las redes pueden reconocer patrones de informacin con ruido, distorsin o incompletos, pero que, adems, pueden seguir trabajando aunque se destruya parte de la red (con cierta degradacin). La explicacin de este fenmeno se encuentra en que mientras la computacin tradicional almacena la informacin en espacios nicos, localizados y direccionables, las redes neuronales lo hacen de forma distribuida y con un alto grado de redundancia.

Operacin en tiempo real: Las redes neuronales artificiales, de todos los mtodos existentes, son las ms indicadas para el reconocimiento de patrones en tiempo real, debido a que trabajan en paralelo actualizando todas sus instancias simultneamente. Es importante destacar que esta caracterstica solo se aprecia cuando se implementan redes con hardware especialmente diseados para el procesamiento paralelo.

Fcil insercin en la tecnologa existente: Es relativamente sencillo obtener chips especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello facilita la integracin modular en los sistemas existentes.

Existe una gran variedad de modelos de redes neuronales estos dependen del objetivo para el cual fueron diseados y del problema prctico que solucionan. Hoy en da, su xito depende en, gran medida, del valor comercial que logren alcanzar

sus aplicaciones. En dependencia de ello unos sern ms populares que otros, entre los ms conocidos estn el Adaline/Madaline (utilizado en el diseo y realizacin de filtros, para llevar a cabo la eliminacin del ruido en seales portadoras de informacin, modems, etc.), el back propagation (utilizado en el proyecto de la mquina de escribir neural fontica) y el modelo de los mapas autoorganizados (Self-Organizing Map, SOM).

Aplicaciones de las Redes Neuronales


Los campos de aplicacin de las RNA crecen por momentos, por ejemplo, reconocimiento de patrones, clasificacin de datos, predicciones,... Su ventaja ms destacada es la de solucionar problemas que con las tcnicas convencionales seran demasiado complejos. Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene un aplicacin particular ms apropiada. Separndolas segn las distintas disciplinas algunos ejemplos de sus aplicaciones son:

Biologa:
Aprender ms acerca del cerebro y otros sistemas. Obtencin de modelos de la retina.

Empresa:
Reconocimiento de caracteres escritos. Identificacin de candidatos para posiciones especficas. Optimizacin de plazas y horarios en lneas de vuelo. Explotacin de bases de datos. Evaluacin de probabilidad de formaciones geolgicas y petrolferas. Sntesis de voz desde texto.

10

Medio Ambiente:
Analizar tendencias y patrones. Previsin del tiempo.

Finanzas:
Previsin de la evolucin de los precios. Valoracin del riesgo de los crditos. Identificacin de falsificaciones. Interpretacin de firmas.

Manufacturacin:
Robots automatizados y sistemas de control (visin artificial y sensores de presin, temperatura, gas, etc.) Control de produccin en lneas de proceso. Inspeccin de calidad. Filtrado de seales.

Medicina:
Analizadores del habla para la ayuda de audicin de sordos profundos. Diagnstico y tratamiento a partir de sntomas y/o de datos analticos (encefalograma, etc.). Monitorizacin en ciruga. Prediccin de reacciones adversas a los medicamentos. Lectoras de Rayos X. Entendimiento de causa de ataques epilpticos.

Militares:
Clasificacin de las seales de radar . Creacin de armas inteligentes. Optimizacin del uso de recursos escasos.

11

Conclusiones
En este informe se ha realizado una descripcin de las redes neuronales desde su unidad bsica la neurona artificial, nombrando sus caractersticas y funcionamiento. Adems se han presentado aplicaciones prcticas y adems ventajas que tienen las redes neuronales para la solucin de problemas.

Esta rea cientfica es de trabajo multidisciplinar y de dinmico desarrollo, que empieza a configurarse como de gran inters para la resolucin de problemas prcticos del mundo real.

12

Bibliografa:
http://www.monografias.com/trabajos12/redneuro/redneuro.shtml http://html.rincondelvago.com/redes-neuronales-artificiales.html http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/que-son-lasredes-neuronales.htm