Documentos de Académico
Documentos de Profesional
Documentos de Cultura
interconectadas y organizadas por niveles, que pretenden similar el funcionamiento del sistema
nervioso biolgico, interactuando con los objetos del mundo real.
Se distinguen tres tipos de capas: de entrada, de salida y ocultas. Una capa de entrada, tambien
denominada sensorial, esta compuesta por neuronas que reciben datos o senales procedentes
del entorno. Una capa de salida se compone de neuronas que proporcionan la respuesta de la red
neuronal. Una capa oculta no tiene una conexion directa con el entorno, es decir, no se conecta
directamente ni a organos sensores ni a efectores. Este tipo de capa oculta proporciona grados
de libertad a la red neuronal gracias a los cuales es capaz de representar mas fehacientemente
determinadas caractersticas del entorno que trata de modelar.
http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t8neuronales.pdf
Una caracterstica clave de las redes neuronales es un proceso de aprendizaje iterativo en el que
se presentan los casos de datos (filas) a la red de uno en uno, y los pesos asociados con los
valores de entrada se ajustan cada vez. Despus se presentan todos los casos, el proceso se
inicia a menudo de nuevo. Durante esta fase de aprendizaje, la red aprende mediante el ajuste
de los pesos con el fin de ser capaces de predecir la etiqueta de clase correcta de muestras de
entrada.
Una vez que una red se ha estructurado para una aplicacin particular, que la red est listo para
ser entrenado. Para iniciar este proceso, los pesos iniciales (que se describen en la siguiente
seccin) se eligen al azar. A continuacin, la formacin o el aprendizaje, comienza.
http://www.solver.com/training-artificial-neural-network-intro
2.5. Aprendizaje
Durante esta fase de aprendizaje, la red aprende mediante el ajuste de los pesos con el fin de ser
capaces de predecir la etiqueta de clase correcta de muestras de entrada.
Durante la operatoria de una red neuronal podemos distinguir claramente dos fases o modos de
operacin: la fase de aprendizaje o entrenamiento, y la fase de operacin o ejecucin. Durante la
primera fase, la fase de aprendizaje, la red es entrenada para realizar un determinado tipo de
procesamiento. Una vez alcanzado un nivel de entrenamiento adecuado, se pasa a la fase de
operacin, donde la red es utilizada para llevar a cabo la tarea para la cual fue entrenada.
Una vez seleccionada el tipo de neurona artificial que se utilizar en una red neuronal y
determinada su topologa es necesario entrenarla para que la red Entrenamiento de redes
neuronales basado en algoritmos evolutivos L. Federico Bertona Redes neuronales 11 pueda ser
utilizada. Partiendo de un conjunto de pesos sinpticos aleatorio, el proceso de aprendizaje busca
un conjunto de pesos que permitan a la red desarrollar correctamente una determinada tarea.
Durante el proceso de aprendizaje se va refinando iterativamente la solucin hasta alcanzar un
nivel de operacin suficientemente bueno. El proceso de aprendizaje se puede dividir en tres
grandes grupos de acuerdo a sus caractersticas [Isasi Viuela y Galvn Len, 2004], [Yao, 1999]:
Aprendizaje por refuerzo. Este tipo de aprendizaje se ubica entre medio de los dos anteriores. Se
le presenta a la red un conjunto de patrones de entrada y se le indica a la red si la salida obtenida
es o no correcta. Sin embargo, no se le proporciona el valor de la salida esperada. Este tipo de
aprendizaje es muy til en aquellos casos en que se desconoce cual es la salida exacta que debe
proporcionar la red.
Una vez finalizada la fase de aprendizaje, la red puede ser utilizada para realizar la tarea para la
que fue entrenada. Una de las principales ventajas que posee este modelo es que la red aprende
la relacin existente entre los datos, adquiriendo la capacidad de generalizar conceptos. De esta
manera, una red neuronal puede tratar con informacin que no le fue presentada durante de la
fase de entrenamiento.
http://www.psych.utoronto.ca/users/reingold/courses/ai/cache/neural3.html