Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Redes Neuronales
Redes Neuronales
Resumen
Métodos Numéricos
Índice general
1
Capítulo 1
Las neuronas biológicas tienen esencialmente tres componentes: el cuerpo de la célula, las
dendritas que actúan como canales de recepción de señales que vienen de otras neuronas y el
axón es el canal de emisión de señales de una neurona. El punto de unión de una dentrita de una
célula con el axón de otra, se denomina sinapsis. En este punto de unión, que es entre membranas
celulares, se produce intercambios de sustancias químicas y por ende reacciones químicas e
impulsos eléctricos, es decir todo un proceso complejo de transferencia de información.
W P + b = w1 P1 + w2 P2 + . . . wk Pk + b
Interprestación de la expressión W P + b
Esta expresión matemática trata de representar lo que ocurre en una neurona biológica. Por
ejemplo una persona que conduce un vehículo, tiene el sentido de la visión en estado de mayor
alerta en comparación a los del oído o del gusto. La vista recibe información relativa a las
características de la pista, que el cerebro lo procesa y emite una respuesta, que se traduce en
reflejos orientados a los músculos de los brazos para controlar el timón y al de los pies para el
control de la caja de cambios y el freno. En este proceso unos datos son acrecentados frente a
otros que son disminuidos o anulados. Si P = [P1 , P2 , . . . , , Pn ] representa todos los datos que
recibe el conductor, los pesos W = [w1 , w2 , . . . , , wn ] representan la intensidad con que son
tomados en cuenta cada uno de los ellos. La ganancia o sesgo b , podría interpretarse como una
reacción de la neurona para incentivar, disminuir o anular el valor final del producto W p.
Finalmente, el valor de W p + b es transformado mediante una función de transferencia f (s) de
la neurona, dando lugar a la respuesta final de la misma: q = f (W p + b) .
. Este valor es transformado por la función de transferencia f j (s) de la misma neurona j , dando
lugar a la respuesta final: q j = f (w j P + b j ) . Este proceso se da en cada neurona en forma
independiente. Entonces la matriz de pesos de una capa de m neuronas será una matriz de orden
m×n :
w w1,2 . . . w1,n
1,1
w2,1 w2,2 . . . w2,n
W = [w j,k ] =
.. .. ... ..
. . .
wm,1 wm,2 . . . wm,n
que es la señal procesada y transformada por la capa de neuronas. Entonces es el vector de salida
de la capa de neuronas es q = F(W p + b) . De aquí, el proceso en una capa de m neuronas, no
es otra cosa que una función
T : Rn −→ Rm
f (s) = s
d) Función de transferencia lineal saturada (satlin)
0 si s<0
f (s) = s si 0 ≤ s ≤ 1
1 si 1<s
1
f (s) =
1 + e−s
es − e−s
f (s) = tanh(s) =
es + e−s
1
Ek = kTk − Rk k2
2
con Tk lo que se espera lograr y Rk la respuesta de la RNA en cada componente del vector de
entrada P .
π π
f (x) = sen( x)cos( x), −2 ≤ x ≤ 2
3 6
Un vector P = [p1 , p2 , . . . , pn ] cuyas componentes son los puntos de una partición del intervalo
[−2 , 2].
Se quiere construir una RNA (Red Neuronal artificial), que para el vector de entrada P aproxime
los valores de la función f (x) en los puntos de esta partición P. Para ello se obtnedrá
π π
Tk = sen( pk )cos( pk )
3 6
Donde k = 1, 2, . . . , n los valores que se espera verificar o interpolar. Siendo Rk : Los resultados
que se obtiene luego del entrenamiento de la red.
Para ellos se usará:
• Vector de entrada P
1
Ek = kTk − Rk k2
2