Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presenta:
Br. Andrés Enrique Carrillo Castillo.
Imágenes y sistemas inteligentes
Introducción
2
Introducción
3
Redes Neuronales
Al igual que las redes de neuronas biológicas, una red
neuronal artificial puede:
𝐴𝑝𝑟𝑒𝑛𝑑𝑒𝑟 → 𝐿𝑢𝑒𝑔𝑜 𝑑𝑒 𝑠𝑒𝑟 𝑒𝑛𝑡𝑟𝑒𝑛𝑎𝑑𝑎
Introducción Para:
■ Encontrar soluciones
■ Reconocer patrones
■ Clasificar datos
■ ‘Predecir’ eventos futuros
4
Redes Neuronales
Las redes neuronales son una herramienta muy poderosa en
aplicaciones en donde el análisis formal debería ser
Introducción extremadamente difícil.
5
Redes Neuronales
6
Redes Neuronales
En cualquier sistema neuronal, se caracterizan tres tipos de
neuronas: Entrada, salida y ocultas.
Introducción Neuronas de entrada: Reciben señales desde el entorno, las que
pueden ser provenientes de sensores o de otros sectores del
sistema
Neuronas de salida: Envían la señal fuera del sistema. Pueden
controlar directamente potencias u otros sistemas.
Neuronas ocultas: Aquellas cuyas entradas y salidas se
encuentran dentro del sistema, sin contacto con el exterior.
Se conoce como capa o nivel, al conjunto de neuronas cuyas
entradas provienen de la misma fuente (pudiendo ser otra capa
de neuronas), y cuyas salidas se dirigen al mismo destino
(también pudiendo ser otra capa de neuronas)
7
Uno de los principales responsables del desarrollo que ha experimentado la
computación neuronal ha sido J. Hopfield, quien construyó un modelo de
red con el número suficiente de simplificaciones como para poder extraer
información sobre las características relevantes del sistema.
8
Red neuronal Hopefield
Una red de Hopfield funciona como una memoria asociativa.
Después de entrenarse con un conjunto de ejemplos, un nuevo
estímulo le causa a la red “asentarse” en un patrón de
activación correspondiente al ejemplo de entrenamiento que
se parece más al nuevo estímulo. Esto es, se alimenta de un
patrón de entrada y se observa su salida. La salida vuelve a
alimentar a la red y se ve la nueva salida.
Memoria auto-asociativa.- Se trata simplemente de asociar dos
patrones y se establecen correspondencias entre ellas.
9
Esta red consiste en un conjunto de N elementos de procesado
interconectadas que actualizan sus valores de activación de
forma asíncrona e independiente del resto de los elementos de
procesado.
Todos los elementos son a la vez de entrada y salida.
Red Hopefield -
Características
Es una estructura en donde la matriz de pesos es cuadrada y
simétrica. Es decir los pesos de un PE (Patrón de entrada) a
otro tiene el mismo valor en ambas direcciones.
Cada patrón de entrada está conectado con todos los demás,
incluso con si mismo, pero el valor de dicha conexión es 0,
significando que el PE no se realimenta a si mismo.
Es una red discreta con entradas y salidas binarias: 0/1 o -1/1
10
Existen varios problemas asociados a la red Hopfield.
Número limitado de entradas en la etapa de aprendizaje: Si se
almacenan demasiadas informaciones, durante su
funcionamiento la red puede converger a valores de salida
diferentes de los aprendidos, con lo que la tarea de asociación
Red Hopefield –
entra la información presentada y alguna de las almacenadas
Limitaciones
se realiza incorrectamente.
El número máximo de patrones no correlacionados que puede
almacenar es igual al 15% del número de neuronas de la red.
11
Las aplicaciones más conocidas de este modelo destacan
las relacionadas con el reconocimiento de imágenes y de
voz.
Red Hopefield – Para problemas de optimización se ha aplicado para la
resolución de manipulación de grafos, procesado de señales
Aplicaciones (conversores analógico-digitales) y de imágenes, etc.
12
Red Hopfield - Estructura
13
La red de Hamming es el ejemplo más simple de una red
competitiva.
Las neuronas en la capa de salida de una red Hamming
14
Red neuronal Hamming
16
■ Aprendizaje no supervisado tipo competitivo.
■ Es una de las redes más simples de tipo competitiva.
■ Las neuronas en la capa de salida compiten para
Red Hamming -
Características determinar la ganadora.
■ La neurona ganadora indica cual es el patrón prototipo más
representativo del patrón de entrada.
■ La competencia se implementa a través de inhibiciones
laterales; es decir un conjunto de conexiones negativas
laterales entre las neuronas en la capa de salida.
■ Son clasificadores adaptativos eficientes
17
Las redes Hopfield y Hamming son redes conexionistas
más antiguas que se utilizan para clasificar datos de
entrada binarios ruidosos.
18