Está en la página 1de 11

S

E
D
E
R

U
E
N

L
A
N
O
R

S
E

F
I
T
R
A

S
E
L
A
I
IC

REDES NEURONALES ARTIFICILAES


En el campo de la inteligencia artificial se refiere
habitualmente de forma ms sencilla como redes
de neuronas o redes neuronales, las redes de
neuronas artificiales (denominadas
habitualmente como RNA o en ingls como:
"ANN" ) son un paradigma de aprendizaje y
procesamiento automtico inspirado en la forma
en que funciona el sistema nervioso de los
animales.
Se trata de un sistema de interconexin de
neuronas en una red que colabora para producir
un estmulo de salida.

Red neuronal artificial perceptrn simple con n neuronas de


entrada, m neuronas en su capa oculta y una neurona de
salida.

El perceptrn es un tipo de red neuronal artificial desarrollado por


Frank Rosenblat, puede entenderse como perceptrn la neurona
artificial y unidad bsica de inferencia en forma que constituye este
modelo de red neuronal artificial, esto debido a que el perceptrn
puede usarse como neurona dentro de un perceptrn mas grande u
otro tipo de red neuronal artificial.

FUNCIONAMIENTO
Una de las misiones en una red neuronal consiste
en simular las propiedades observadas en los
sistemas neuronales biolgicos a travs de
modelos matemticos recreados mediante
mecanismos artificiales (como un circuito
integrado, un ordenador o un conjunto de
vlvulas).
El objetivo es conseguir que las mquinas den
respuestas similares a las que es capaz de dar
el cerebro que se caracterizan por su
generalizacin y su robustez.

Cmo est formada una red neuronal?


Una red neuronal se compone de unidades llamadas
neuronas. Cada neurona recibe una serie de entradas a
travs de interconexiones y emite una salida

Esta salida viene dada por tres funciones:


1.-Una funcin de propagacin (tambin conocida como
funcin de excitacin), que por lo general consiste en el sumatorio
de cada entrada multiplicada por el peso de su interconexin (valor
neto). Si el peso es positivo, la conexin se denomina excitatoria; si
es negativo, se denomina inhibitoria.
2.-Una funcin de activacin, que modifica a la anterior. Puede no
existir, siendo en este caso la salida la misma funcin de
propagacin.
3.-Una funcin de transferencia, que se aplica al valor devuelto por la
funcin de activacin. Se utiliza para acotar la salida de la neurona
y generalmente viene dada por la interpretacin que queramos
darle a dichas salidas.

Red neuronal artificial


Las redes neuronales artificiales estn formadas por una gran cantidad de neuronas, estas
no suelen denominarse neuronas artificiales sino nodos o unidades de salida. Un nodo o
neurona cuenta con una cantidad variable de entradas que provienen del exterior
(X1, X2, ......, Xm). A su vez dispone de una sola salida (Xj) que transmitir la informacin al
exterior o hacia otras neuronas. Cada Xj o seal de salida tiene asociada una magnitud
llamada peso este se calcular en funcin de las entradas, por lo cual cada una de ellas es
afectada por un determinado peso (Wjo...Wjq+m) (13). Los pesos corresponden a la
intensidad de los enlaces sinpticos entre neuronas y varan libremente en funcin del tiempo
y en cada una de las neuronas que forman parte de la red

Diseo y programacin de una RNA


El objetivo del programador es modelar
matemticamente (con distintos grados de formalismo)
el problema en cuestin y posteriormente formular una
solucin (programa) mediante un algoritmo codificado
que tenga una serie de propiedades que permitan
resolver dicho problema.
El diseo de la red tiene menos que ver con cuestiones como los
flujos de datos y la deteccin de condiciones, y ms que ver con
cuestiones tales como la seleccin del modelo de red, la de las
variables a incorporar y el preprocesamiento de la informacin que
formar el conjunto de entrenamiento. Asimismo, el proceso por el
que los parmetros de la red se adecan a la resolucin de cada
problema no se denomina genricamente programacin sino que se
suele denominar entrenamiento.

ESTRUCTURA
RNA se compone de un conjunto masivamente paralelo de unidades de
proceso muy simples y es en las conexiones entre estas unidades donde
reside la inteligencia de la red.
Biolgicamente, un cerebro aprende mediante la reorganizacin de las
conexiones sinpticas entre las neuronas que lo componen. De la misma
manera, las RNA tienen un gran nmero de procesadores virtuales
interconectados que de forma simplificada simulan la funcionalidad de las
neuronas biolgicas. En esta simulacin, la reorganizacin de las
conexiones sinpticas biolgicas se modela mediante un mecanismo de
pesos, que son ajustados durante la fase de aprendizaje. En una RNA
entrenada, el conjunto de los pesos determina el conocimiento de esa RNA
y tiene la propiedad de resolver el problema para el que la RNA ha sido
entrenada.
Una RNA, adems de los pesos y las conexiones, cada neurona tiene
asociada una funcin matemtica denominada funcin de transferencia.
Dicha funcin genera la seal de salida de la neurona a partir de las seales
de entrada. La entrada de la funcin es la suma de todas las seales de
entrada por el peso asociado a la conexin de entrada de la seal.

VENTAJAS
Las redes neuronales artificiales (RNA) tienen muchas ventajas debido a que
estn basadas en la estructura del sistema nervioso, principalmente el cerebro.
Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que
se llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos
como entrada a su vez que se le indica cul es la salida (respuesta) esperada.
Auto organizacin: Una RNA crea su propia representacin de la informacin en
su interior, descargando al usuario de esto.
Tolerancia a fallos: Debido a que una RNA almacena la informacin de forma
redundante, sta puede seguir respondiendo de manera aceptable aun si se daa
parcialmente.
Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin
de entrada, como seales con ruido u otros cambios en la entrada (ej. 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)
Tiempo real: La estructura de una RNA es paralela, por lo cul si esto es
implementado con computadoras o en dispositivos electrnicos especiales, se
pueden obtener respuestas en tiempo real.

APLICACIONES
Las redes neuronales son una tecnologa computacional emergente que puede utilizarse en un gran
nmero y variedad de aplicaciones, tanto como comerciales como militares.
Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene un aplicacin particular
ms apropiada. Separndolas segn las distintas disciplinas algunos ejemplos de sus aplicaciones son:
Biologa:
Aprender ms acerca del cerebro y otros sistemas.
Obtencin de modelos de la retina.
Manufacturacin
Robots automatizados y sistemas de control (visin artificial y sensores de presin, temperatura, gas, etc.)
Control de produccin en lneas de proceso.
Inspeccin de calidad.
Filtrado de seales.
Medicina
Analizadores del habla para la ayuda de audicin de sordos profundos.
Diagnstico y tratamiento a partir de sntomas y/o de datos analticos (encefalograma, etc.).
Monitorizacin en ciruga.
Prediccin de reacciones adversas a los medicamentos.
Lectoras de Rayos X.
Entendimiento de causa de ataques epilpticos.
Militares
Clasificacin de las seales de radar .
Creacin de armas inteligentes.
Optimizacin del uso de recursos escasos.

GRACIAS
POR SU
ATENCIN