REDES NEURONALES.

1.- Qu es?
1.- Son modelos computacionales que surgieron como un intento de conseguir
formalizaciones matemticas acerca de la estructura del cerebro. Imitan la
estructura hardware del sistema nervioso, centrndose en el funcionamiento del
cerebro humano, basado en el aprendizaje a travs de la experiencia, con la
consiguiente extraccin de conocimiento a partir de la misma.
2.-Tratan de emular el sistema nervioso, de forma que son capaces de reproducir
algunas de las principales tareas que desarrolla el cerebro humano, al reflejar las
caractersticas fundamentales de comportamiento del mismo.
3.- Es un modelo conexionista cuyos elementos o nodos, conectados entre s,
simulan las funciones desempaadas por las clulas cerebrales denominadas
neuronas.
4.- Los primeros pasos hacia las mquinas que emularn con mayor precisin el
funcionamiento del cerebro humano.
ENSAYO.
Los procesos humanos que llamamos inteligentes han ido evolucionando a travs
del tiempo, est evolucin se debe a la capacidad del ser humano de adaptarse a
los problemas los cuales se enfrenta da a da, sabiendo que los problemas
cotidianos que se tienen son clave para que el cerebro humano adquiera la
experiencia necesaria para poder solucionar problemas, teniendo en cuenta que
se va adquiriendo conocimiento para resolver problemas futuros.
El ser humano no solo est satisfecho con toda la experiencia que obtiene y
llevarla a cabo, sino que su ambicin llega a procesos ms complejos, cmo
sera esto posible? Sera aplicndolo a mquinas las cuales realicen el trabajo que
un humano emplea de forma diaria, haciendo de eso que las maquinas hagan
dichos procesos los cuales haran de una forma constante y sin un desgaste fsico,
pero para llegar a esto se debe analizar que, para esto, deben de contar con la
llamada inteligencia artificial la cual se define como los sistemas capaces de
resolver problemas cotidianos teniendo en cuenta el paradigma de la inteligencia
humana.
Una vez teniendo en cuenta que la inteligencia artificial y las redes neuronales se
relacionan una con la otra ahora si se puede definir el trmino.
Son modelos los cuales tratan de emular el sistema nervioso y la estructura del
cerebro humano reflejando las caractersticas principales del mismo, teniendo en
cuenta que trabajan al nivel de las clulas que predominan en el cerebro, las
llamadas neuronas, basndose en la experiencia y la aplicacin de la misma a
problemas de conocimiento.
2.- Cmo trabajan?
1.- Puede establecerse como una estructura jerrquica similar, de forma que una
RNA puede concebirse como una coleccin de procesadores elementales,
conectadas a otras neuronas o bien a entradas externas y con una salida que
permite propagar las seales por mltiples caminos.
2.- Est formada por unidades de procesamiento que reciben el nombre de
neuronas o nodos. Estos nodos estn organizados en grupos que se llaman
capas. Generalmente existen tres tipos. Una de entrada, una o varias capas
ocultas, y una de salida. Las conexiones se establecen entre los nodos de cada
capa adyacentes. La capa de entrada, mediante la cual se presentan los datos a la
red, est formada por nodos de entrada que reciben la informacin directamente
del exterior. La capa de salida representa la respuesta de la red a una entrada
dada siendo esta informacin transferida al exterior. Las capas ocultas o
intermedias se encargan de procesar la informacin y se interponen entre las
capas de entrada y salida y son nicas que no tienen conexin con el exterior.
3.- Memorizan un conjunto de patrones, calificarlos, inferir o generalizar a qu
clase pertenece un nuevo objeto a partir de la experiencia acumulada por la der
neuronal durante el reconocimiento de otros previos, establecer asociaciones
entre objetos, siendo por tanto capaces de reconocer smbolos, tales como letras y
nmeros o cualquier objeto o patrn, siendo el reconocimiento de patrones su
principal aplicacin.
4.- Reconocer patrones ocultos en cantidades enormes de nmero.
ENSAYO
Una vez teniendo en cuenta que es una red neuronal se debe especificar cmo
funcionan las mismas.
Teniendo en cuenta que se utilizan diversas formas de representacin de redes
neuronales se deben mencionar como trabajan las mismas; teniendo en cuenta
que se tiene de capas de entrada, capas ocultas y capas de salida, la
representacin de dicha arquitectura actual de una red neuronal es la siguiente.

Figura 1: Esquema de una red neuronal. Los crculos representan las neuronas y las flechas las
conexiones.
Se puede apreciar que en la capa de entrada se recibe la informacin del exterior,
la capa oculta es donde se llevan a cabo los procesos de interpretacin y red y las
capas de salida el resultado de dichos procesos.
Gracias a los estudios que se han realizado de las redes neuronales se puede
apreciar cmo operan de una forma adecuada y ordenara para poder obtener los
resultados de respuestas acordes a la situacin actual. Se tiene en cuenta que
una red neuronal ya entrenada, es decir, con informacin o experiencia
acumulada, las conexiones entre neuronas tienen un determinado peso peso
sinptico.
Para definir mejor como funciona este peso sinptico se describir como la fuerza
de conexin o la forma en como las neuronas estn compartiendo informacin,
esto se debe a que existen diversos procesos que llegan de diferentes neuronas a
una receptora la cual permite a la red neuronal aprender (a partir de los datos que
se le suministran), mediante la modificacin de los pesos sinpticos de las
conexiones entre las neuronas.
Para eso debemos definir el proceso de aprendizaje el cual consta de 3 partes:
Aprendizaje supervisado: se introducen unos valores de entrada a la red, y los
valores de salida generados por esta se comparan con los valores de salida
correctos.
Aprendizaje de refuerzo: se introducen valores de entrada, y lo nico que se le
indica a la red si las salidas que ha generado son correctas o incorrectas.
Aprendizaje no supervisado: no existe ningn tipo de gua. De esta manera lo
nico que puede hacer la red es reconocer patrones en los datos de entrada y
crear categoras a partir de estos patrones.
Teniendo en cuenta todas las implicaciones que conlleva construir redes
neuronales, se puede apreciar que es un campo muy amplio, el cual depende de
diversas disciplinas las cuales han llevado a cabo rigurosas investigaciones para
entender la implicacin que lleva construir una red neuronal.
Para finalizar me atrever a colocar una frase que conlleva un pensamiento sobre
las redes neuronales y la inteligencia artificial las cuales favorecen a cambios en
los procesos cotidianos de los seres humanos.
En lugar de intentar imitar aquello en lo que somos buenos, pienso que es mucho
ms fascinante investigar aquello en lo que nos desempeamos pobremente, es
insensato usar mquinas para imitar a los seres humanos, en tanto que las
mquinas son realmente buenas siendo mquinas, y esto es algo en lo que los
seres humanos somos malos. Cualquier proyecto de inteligencia artificial exitoso,
castra a la mquina por su propia naturaleza.

Edsger Dijkstra.
Referencias.
Flres, R & Fernndez J.. (2008). Las redes neuronales artificiales. Espaa:
netbiblo.
Prez , C & Satn, D. (2007). Minera de datos: tcnicas y herramientas.
Espaa: Thomson.
Lahoz, R.. (2004). Bioinformtica: Simulacin, vida artificial e inteligencia
artificial. Madrid: Daz de Santos.
Valero, S & Senabre, Carolina. (2010). Aplicacin de un modelo de red
neuronal no supervisado a la clasificacin de consumidores elctricos.
Espaa: Club Universitario.
Beekman, G. (2005). Introduccin a la computacin. Espaa: Serie AWLI.