Está en la página 1de 203

REDE'S NEURONALES

ARTIFICIALES
1

FUNDAMENTOS MODELOS
Y APLICACIONES

1
1

1
l

Jos Ramn Hilera Gonzlez


Departamento de Matemticas
Universidad de Alcal de Henares. Madrid

Vctor Jos Martnez Hernando


Departamento de Arquitectura y Tecnologa de Computadores
Universidad Politcnica de Madrid

!
j

.t.

ADDISON-WESLEY IBEROAMERICANA

..

a puesto el mximo empeo en ofrecer al lector una informac_in completa y precisa. Sin
argo RA-MA Editorial y Addison-Wesley Iberoamericana S.A. no asumen ninguna
onsabilidad derivada de su uso, ni tampoco por cualquier violacin de patentes ni otros
!Chos de terceras partes que pudieran ocurrir.
:in original publicada por RA-MA Editorial, Madrid, Espaa.

~CAS

COMERCIALES: RA-MA ha intentado a lo largo de este libro distinguir las


cas registradas de los trminos descriptivos, siguiendo el estilo de maysculas que
za el fbricante, sin intencin de infringir la marca y slo en beneficio del propietario
1 misma.

''

il
l

Presentacin de la serie PARADIGMA

!i
~s neuronales artificiales. Fundamentos, modelos y aplicaciones.
1s Ramn Hilera Gonzlez y Vctor Jos Martnez Hernando

'la edicin RA-MA 1995


ISON-WESLEY lBEROAMERIC~,

S.A.

tngton, Delaware, E.U.A.


1tina: Malabia 23632" G. Buenos Aires 1425
1: Ave. Brigadeiro Luis Antonio 2344, Conjunto 114, Silo Paulo
:Cruz 1469 depto, 21, Independenca, Santiago
1bia: Apartado Areo 241-943 Santa F de Bogot
\a: Espalter 3 bajo, Madrid 28014
o: l Jacob Way. Reading, Mass.OI867
:o: Apartado Postal22-012, Mxico D.F. 14000
o Rico: El Monte Mall, 2 piso, Oficina 19-8. Ave. Muoz Rivera, Hato Rey, PR 00918
\ue\a: 51454, Caracas tor,o-A

1
i
i
~

1
~

J.

i
in autorizada para venta en el continente americano.
~rvados todos los derechos de publicacin en cualquier idioma.
:una partedeeste libro puede ser reproducida, grabada en sistemas de almacenamiento
nsmitida en forma al,pma ni por cualquier procedimiento, ya sea electrnico, mecnico,
:~grfico, magntico o cualquier otro, sin autorizacin previa y por escrito de RA-MA.

<0-201-87895-X
eso en E.U.A. Printed in U.S.A.

4 56 7 8 9 -DOC- 98 97 96 95

La serie PARADIGMA trata de sacar a la luz la rellexin de cualificados


autores acerca de los mltiples aspectos, tanto internos como externos, de la
disciplina informtica. Se caracteriza por su forma terica de abordar los
temas. No tienen en ella cabida los manuales o libros eminentemente
enfocados hacia la enseanza de alguna materia concreta. En cambio se
alimenta de la reflexin terica, de la investigacin, de la opinin fundada.
Con PARADIGMA queremos aportar desde editorial RA-MA, una
herramienta de comunicacin para todas aquellas ideas y nuevas metodologas
que dinamizan continuamente la profesin del informtico. El objetivo
principal es conseguir una importante cota de calidad tanto en el contenido de
lo publicado en la serie, como en la forma de presentacin de la misma. De
este modo, lo que se ofrece a los lectores es el fruto ms esmerado de nuestro
trabajo. Vaya hacia ustedes con los mejores deseos.
Dentro de la serie damos cabida a dos tipos distintos de obras. lo que da
lugar a dos diferentes colecciones:

Informtica: Fundamentos tericos


Informtica Profesional

NDICE

PRLOGO

--~--ru\JQ .........._..

XIII

CAPTULO l. UNA L'I/TRODUCCIN A LA COMPUTACIN


NEURONAL
........................... 1
1.1. Panorama histrico

1.2. Definicin de red neuronal

........................... 9

'

"<

1.3. Ventajas de las redes neuronales ...................


1.3.1. Aprendizaje adaptativo . . . . . . . . . . . . . . . . . . . .
1.3.2. Autoorganizacin . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3. Tolerancia a fallos . . . . . . . . . . . . . . . . . . . . . . . .
1.3.4. Operacin en tiempo real . . . . . . . . . . . . . . . . . .
1.3.5. Fcil insercin dentro de la tecnologa existente . . .

.
.
.
.
.

.
.
.
.
.

11
12
13
14
14
15

1.4. Redes neuronales y computadores digitales . . . . . . . . . . . . . . 15


1.5. Redes neuronales e inteligencia artificial . . . . . . . . . . . . . . . . 16
1.6. Aplicaciones de las redes neuronales . . . . . . . . . . . . . .
1.6.1. Reconocimiento de patrones . . . . . . . . . . . . . . . . . . .
1.6.2. Bases de daws de conocimiento para infonnacin
estocstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.3. Control de robots . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.4. Toma de decisiones
1.6.5. Filtrado de seales . . . . . . . . . . . . . . . . . . . . . . . . . .

21
23
26
27
28
28

REDES ;\IEURONALES ART!FICIALF.S: FUNDA\IENTOS. MODELOS Y APLICACIONES

iNDICE

IX

1.6.6. Segmentacin, compresin y fusin de datos . . .


29
1.6.7. Interfaces adaptativas para sistemas hombre/mquina . . 29

3.2. Mecanismo de aprendizaje . . . . . . . . . . . . . . . . . . . . . . . . . . 75


3.2.1. Redes con aprendizaje supervisado . . . . . . . . . . . . . . 76

1.7. Tipos de redes neuronales ms importantes . . . . . . . . . . . . . . 30

3.2.2. Redes con aprendizaje no supervisado . . . . . . . . . . . . 82

1.8. Implementacin de las redes neuronales . . . . . .


1.8.1. Realizacin de redes neuronales . . . . . .
1.8.2. Herramientas software de desarrollo . . .
1.8.3. Neurocomputadores de propsito general
1.8.4. Neurocomputadores de propsito especial
1.8.5. Implementacin microelectrnica (VLSJ)

....
....
....
...
...
...

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

32
34
36
38
41
42

3.3. Tipo de asociacin entre las informaciones de entrada y salida

90

3.3.1. Redes heteroasociativas . . . . . . . . . . . . . . . . . . . . . . 91


3.3.2. Redes autoasociativas . . . . . . . . . . . . . . . . . . . . . . . . 9l

3.4. Representacin de la informacin de entrada y salida . . . . . . . 93

45

3.5. Caractersticas de los modelos de redes neuronales ms


conocidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

2.1. El modelo biolgico .... : . . . . . . . . . . . . . . . . . . . . . . . . . 45


2.1.1. Estructura de la neurona . . . . . . . . . . . . . . . . . . . . . . 45
2.1.2. Naturaleza bioelctrica de la neurona . . . . . . . . . . . . . 46

CAPTULO 4, REDES NEURONALES CON CONEXIONES


HACIA ADELANTE ....................... 101

CAPTULO 2, FUNDAMENTOS DE LAS REDES NEURONALES

2.2. Elementos de una red neuronal artificial . . . . . . .


2.2.1. Unidades de proceso: La neurona artificial
2.2.2. Estado de activacin . . . . . . . . . . . . . . .
2.2.3. Funcin de salida o de transferencia
...
2.2.4. Conexiones entre neuronas . . . . . . . . . . .
2.2.5. Funcin o regla de activacin . . . . . . . .
2.2.6. Regla de aprendizaje . . . . . . . . . . . . . . .
2.2.7. Representacin vectorial . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

..
..
..
..
..
..
.
..

.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

49
51
52
53
57
58
63
64

2.3. Estructura de una red neuronal artificial . . . . . . . . . . . . . .


65
2.3.1. Niveles o capas de neuronas ................... 65
2.3.2~

Formas de conexin entre neuronas

. . . . . . . . . . . . . 67

CAPTULO 3, CARACTERSTICAS DE LAS REDES


NEURONALES . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.1. Topologa de las redes neuronales . . . . . . . . . . . . . . . . . . . . 69
3.1.1. Redes monocapa . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.1.2. Redes multicapa . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

4.1. El Perceptron ................................... JO 1


4.1.1. Regla de aprendizaje del Perceptron .............. 103
4.1.2. Solucin al problema de la separabilidad lineal
110
4.2. El Perceptron multinivel

113

4.3. Las redes ADALINE y MADAL!NE ..................


4.3.1. Aprendizaje de la red ADAL!NE ...............
4.3.2. Aplicaciones de la red ADALINE
.............
4.3.3. La red MADALINE
.......................

116
118
126
128

4.4. La red Backpropagation ...........................


4.4.1. La regla delta generalizada ...................
4.4.2. Estructura y aprendizaje de la red Backpropagation ...
4.4.3. Consideraciones sobre el algoritmo de aprendizaje ...
4.4.4. Deduccin de la regla Backpropagation ..........
4.4.5. Aplicaciones de las redes Backpropagation ........

131
132
136
142
146
154

.._,

''-