La tecnologa de redes neuronales puede ser desarrollada tanto en software como en hardware y con ella se pueden construir sistemas

capaces de aprender, de adaptarse a condiciones variantes, o inclusive si se dispone de una coleccin suficientemente grande de datos, predecir el estado futuro de algunos modelos. Un procesamiento paralelo realizado por un gran nmero de elementos altamente interconectados, es la clave de su funcionamiento. Las Redes Neuronales (Neural Networks) son utilizadas para la prediccin, la minera de datos (data mining), el reconocimiento de patrones y los sistemas de control adaptativo. Constituyen una parte muy importante en el estudio y desarrollo de la inteligencia artificial (AI) y el de la vida artificial (a-life). Las RN pueden ser combinadas con otras herramientas como la lgica difusa (lgica fuzzy), los algoritmos genticos, los sistemas expertos, las estadsticas, las transformadas de Fourier, etc.

A=[0 0 0 0 0; 0 255 255 255 0; 0 0 0 0 0; 0 255 255 255 0 ;0 255 255 255 0; 0 255 255 255 0]; [fA cA]=size(A); for i=1:fA AA(i*cA-cA+1:i*cA)=A(i,:); end W=4*rand(30,5)-2*ones(30,5); b=4*rand(1,5)-2*ones(1,5) net=AA*W+b yd=[1 0 0 0 0] [fx cx]=size(AA); time=0; flag1=1; while and(flag1==1,time<100) time=time+1; time flag1=0; for i=1:fx net=AA(i,:)*W+b; y=hardlim(net); e=yd(i,:)-y; vc=zeros(size(e)); c=e~=vc; sumc=sum(c); if sumc~=0, flag1=1; W=W+AA(i,:)'*e; b=b+e; end end end e image(A)

E=[0 0 0 0 0; 0 255 255 255 255; 0 0 0 0 0; 0 0 0 0 0 ;0 255 255 255 250; 0 0 0 0 0]; [fE cE]=size(E); for i=1:fE EE(i*cE-cE+1:i*cE)=E(i,:); end W=4*rand(30,5)-2*ones(30,5); b=4*rand(1,5)-2*ones(1,5) net=EE*W+b yd=[0 1 0 0 0] [fx cx]=size(EE); time=0; flag1=1; while and(flag1==1,time<100) time=time+1; time flag1=0; for i=1:fx net=EE(i,:)*W+b; y=hardlim(net); e=yd(i,:)-y; vc=zeros(size(e)); c=e~=vc; sumc=sum(c); if sumc~=0, flag1=1; W=W+EE(i,:)'*e; b=b+e; end end end e image(E)

I=[255 0 0 0 255;255 255 0 255 255 ; 255 255 0 255 255; 255 255 0 255 255;255 255 0 255 255; 255 0 0 0 255]; [fI cI]=size(I); for i=1:fI II(i*cI-cI+1:i*cI)=I(i,:); end W=4*rand(30,5)-2*ones(30,5); b=4*rand(1,5)-2*ones(1,5) net=II*W+b yd=[0 0 1 0 0] [fx cx]=size(II); time=0; flag1=1; while and(flag1==1,time<100) time=time+1; time flag1=0; for i=1:fx net=II(i,:)*W+b; y=hardlim(net); e=yd(i,:)-y; vc=zeros(size(e)); c=e~=vc; sumc=sum(c); if sumc~=0, flag1=1; W=W+II(i,:)'*e; b=b+e; end end end e image(I)

O=[255 0 0 0 255; 255 0 255 0 255; 255 0 255 0 255; 255 0 255 0 255;255 0 255 0 255; 255 0 0 0 255]; [fO cO]=size(O); for i=1:fO OO(i*cO-cO+1:i*cO)=O(i,:); end W=4*rand(30,5)-2*ones(30,5); b=4*rand(1,5)-2*ones(1,5) net=OO*W+b yd=[0 0 0 1 0] [fx cx]=size(OO); time=0; flag1=1; while and(flag1==1,time<100) time=time+1; time flag1=0; for i=1:fx net=OO(i,:)*W+b; y=hardlim(net); e=yd(i,:)-y; vc=zeros(size(e)); c=e~=vc; sumc=sum(c); if sumc~=0, flag1=1; W=W+OO(i,:)'*e; b=b+e; end end end e image(O)

U=[0 255 255 255 0; 0 255 255 255 0; 0 255 255 255 0; 0 255 255 255 0;0 255 255 255 0; 0 0 0 0 0]; [fU cU]=size(U); for i=1:fU UU(i*cU-cU+1:i*cU)=U(i,:); end W=4*rand(30,5)-2*ones(30,5); b=4*rand(1,5)-2*ones(1,5) net=UU*W+b yd=[0 0 0 0 1] [fx cx]=size(UU); time=0; flag1=1; while and(flag1==1,time<100) time=time+1; time flag1=0; for i=1:fx net=UU(i,:)*W+b; y=hardlim(net); e=yd(i,:)-y; vc=zeros(size(e)); c=e~=vc; sumc=sum(c); if sumc~=0, flag1=1; W=W+UU(i,:)'*e; b=b+e; end end end e image(U)

Con esta programacin se logro reconocer vocales, concluimos que si

la

programacin es ms compleja se podra hasta lograr reconocer imgenes mas elaboradas. Es recomendable colocar un tiempo adecuado, para lograr que el programa pueda entrenar durante ese periodo. Una RNA puede manejar cambios no importantes en la informacin de entrada, como seales con ruido u otros cambios en la entrada (por ejemplo si la informacin de entrada es la imagen de un objeto, la respuesta

correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente). La utilizacin de modelos de redes neuronales para dar soporte a la toma de decisiones es posible. Es muy importante conocer bien el problema el cual se quiere resolver y optar por la elaboracin de una red neuronal adecuada que nos pueda brindar las mejores soluciones posibles.