Las redes neuronales (tambin conocidas como sistemas conexionistas) son un modelo

computacional basado en un gran conjunto de unidades neuronales simples (neuronas

artificiales), de forma aproximadamente anloga, el comportamiento observado en los axones
de las neuronas en los cerebros biolgicos. Cada unidad neuronal est conectada con muchas
otras y los enlaces entre ellas pueden incrementar o inhibir el estado de activacin de las
neuronas adyacentes. Cada unidad neuronal, de forma individual, opera empleando funciones
de suma. Puede existir una funcin limitadora o umbral en cada conexin y en la propia
unidad, de tal modo que la seal debe sobrepasar un lmite antes de propagarse a otra
neurona. Estos sistemas aprenden y se forman a s mismos, en lugar de ser programados de
forma explcita, y sobresalen en reas donde la deteccin de soluciones o caractersticas es
difcil de expresar con la programacin convencional.
Las redes neuronales suelen consistir en varias capas o un diseo de cubo, y la ruta de la
seal atraviesa de adelante hacia atrs. Propagacin hacia atrs es donde se utiliza la
estimulacin hacia adelante o en el "frente" para restablecer los pesos de las unidades
neuronales y esto a veces se realiza en combinacin con una formacin en la que se conoce
el resultado correcto. Las redes modernas son un poco ms libres en el sentido de que fluye
en trminos de estimulacin e inhibicin con conexiones que interactan de una manera
mucho ms catica y compleja. Las redes neuronales dinmicas son lo ms avanzadas en
que se pueden dinmicamente formar nuevas conexiones e incluso nuevas unidades
neuronales.
El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro
humano, aunque varias redes neuronales son ms abstractas. Los proyectos de redes
neurales modernas suelen trabajar con unos pocos miles a unos pocos millones de unidades
neuronales y millones de conexiones, que sigue siendo varios rdenes de magnitud menos
complejo que el cerebro humano y ms cercano a la potencia de clculo de un gusano.
Nuevas investigaciones sobre el cerebro a menudo estimulan nuevos patrones en las redes
neuronales. Un nuevo enfoque est utilizando conexiones que se extienden mucho ms all y
capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas
adyacentes. Otra investigacin est estudiando los diferentes tipos de seal en el tiempo que
los axones se propagan, como el aprendizaje profundo , interpola una mayor complejidad
que un conjunto de variables booleanas que son simplemente encendido o apagado.
Las redes neuronales se basan en los nmeros reales, con el valor del ncleo y del axn
siendo tpicamente una representacin entre 0,0 y 1.
Un aspecto interesante de estos sistemas es que son impredecibles en su xito con el auto-
aprendizaje. Despus del entrenamiento, algunos se convierten en grandes solucionadores de
problemas y otros no funcionan tan bien. Con el fin de capacitarlos, se necesitan varios miles
de ciclos de iteracin.
Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la
visin por computador y el reconocimiento de voz, que son difciles de resolver usando la
ordinaria programacin basado en reglas.
Histricamente, el uso de modelos de redes neuronales marc un cambio de direccin a
finales de los aos ochenta de alto nivel, que se caracteriza por sistemas expertos con
conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automtico ,
caracterizado por el conocimiento incorporado en los parmetros de un modelo cognitivo con
algn sistema dinmico .