Neurociencia. ¿Qué es una red de nervios?

INTRODUCCION

¿Qué es una red de nervios?

        Es una red de datos de gran alcance que modelan la herramienta que puede capturar y representar relaciones complejas de la entrada-salida. La motivación para el desarrollo de la tecnología de red de los nervios provino el deseo de desarrollar un sistema artificial que podría realizar las tareas "inteligentes" similares a ésas realizadas por el cerebro humano. Las redes de los nervios se asemejan al cerebro humano de las dos maneras siguientes:

[pic 2] 

1. Una red de nervios adquiere conocimiento con aprender.
2. Un conocimiento de la red de nervios se almacena dentro de las fuerzas de conexión de la Inter.-neurona, conocidas como pesos sinápticos.

        La energía y las ventajas verdaderas de las redes de los nervios en su capacidad de representar relaciones lineales y no lineales, y en su capacidad de aprender estas relaciones directamente de los datos que son modelados. Los modelos lineales tradicionales son simplemente inadecuados cuando viene a modelar los datos que contienen características no lineales.

        El modelo más común de la red de los nervios es el Perceptron de múltiples capas (MLP). Este tipo de red de los nervios se conoce como red supervisada porque requiere una salida deseada para aprender. La meta de este tipo de red es crear un modelo que trace correctamente la entrada a la salida, usando datos históricos para poder entonces utilizar el modelo para producir la salida cuando la salida deseada es desconocida. Una representación gráfica de un MLP se demuestra en el siguiente gráfico.

[pic 3]

        Diagrama de bloque de un Perceptron Multiplayer ocultando dos de la capa (MLP). Las entradas se alimentan en la capa de la entrada y consiguen multiplicadas por los pesos de la interconexión mientras que se pasan de la capa de la entrada a la primera capa oculta. Dentro de la primera capa oculta, consiguen sumar el procesado por una función no lineal (generalmente la tangente hiperbólica). Mientras que los datos procesados salen de la primera capa oculta, siendo otra vez multiplicados por los pesos de la interconexión, entonces sumado y procesado por la segunda capa ocultada. Finalmente los datos son multiplicados por los pesos de la interconexión entonces procesaron una vez última dentro de la capa de la salida de producir la salida de la red de los nervios.

        Los MLP y muchas otras redes de los nervios aprenden con un algoritmo llamado backpropagation. Con el backpropagation, los datos de entrada se presentan en varias ocasiones a la red de los nervios. Con cada presentación la salida de la red de los nervios se compara a la salida deseada y se computa un error. Este error después se retroactúa (backpropagated) a la red de los nervios y utilizó ajustar los pesos tales que el error disminuye con cada iteración y el modelo de los nervios consigue cada vez más cerca de producir la salida deseada. Este proceso se conoce como "entrenamiento".

[pic 4]

        Demostración de una red de los nervios que aprende a modelar los datos  en forma exclusiva (de Xor). Los datos de Xor se presentan en varias ocasiones a la red de los nervios. Con cada presentación, el error entre la salida de la red y la salida deseada se computa y se retroactúa a la red de los nervios. Esta utiliza este error para ajustar sus pesos tales que el error será disminuido. Esta secuencia de evento se repite generalmente hasta que se ha alcanzado un error aceptable o hasta la red aparece no más de largo aprender.

        Una buena manera de introducir el asunto es echar una ojeada, un uso típico de las redes de los nervios. Muchos de los exploradores de hoy del documento para la PC vienen con el software que realiza una tarea conocida como reconocimiento de caracteres óptico (OCR). El software del OCR permite que usted explore en un documento impreso y después que convierta la imagen explorada en a un formato de texto electrónico tal como un documento de la palabra, permitiéndole manipular el texto. Para realizar esta conversión el software debe analizar cada grupo de los píxeles (0 y 1) que forman una letra y producen un valor que corresponda a esa letra. Algo del software del OCR en el uso del mercado una red de los nervios como el motor de la clasificación.

[pic 5]

        Demostración de una red de los nervios usada dentro de un uso del reconocimiento de caracteres óptico (OCR). El documento original se explora en la computadora y se ahorra como imagen. El software del OCR rompe la imagen en secundario-imágenes, cada uno que contiene un solo carácter. Las imágenes secundarias entonces se traducen de un formato de la imagen a un formato binario, donde cada 0 y 1 representa un píxel individual de la secundario-imagen. Los datos binarios entonces se alimentan en una red de los nervios que se ha entrenado para hacer la asociación entre los datos de la imagen de carácter y un valor numérico que corresponde al carácter. La salida de la red de los nervios después se traduce al texto del ASCII y se ahorra como archivo.

        Por supuesto el reconocimiento de caracteres no es el único problema que las redes de los nervios pueden solucionar. Las redes de los nervios se han aplicado con éxito al amplio espectro de usos dato-intensivos, por ejemplo:

• El modelar y control de proceso - creando una red de los nervios modele para una planta física entonces que usa ese modelo para determinar los ajustes del mejor control para la planta.
• Diagnóstico de la máquina - detecte cuando una máquina ha fallado de modo que el sistema pueda cerrar automáticamente la máquina cuando ocurre éste.
• Gerencia de lista - asigne los activos en una lista de una manera que maximice vuelta y reduzca al mínimo riesgo.
• Reconocimiento de la blanco - uso militar que utiliza los datos video e infrarrojos de la imagen determinarse si una blanco enemiga está presente.
• Diagnosis médica - asistiendo a doctores con su diagnosis analizando los síntomas y/o los datos divulgados de la imagen tales como MRIs o radiografías.
• Crédito - automáticamente asignando una compañía o a individuos crédito basado en su condición financiera.
• Comercialización apuntada - encontrando el sistema de demographics que tienen la tasa de respuesta más alta para una campaña particular de la comercialización.
• Reconocimiento de voz - trascripción de palabras habladas en el texto del ASCII.
• Pronóstico financiero - usar los datos históricos de una seguridad para predecir el movimiento futuro de esa seguridad.
• Control de calidad - atadura de una cámara fotográfica o de un sensor al final de un proceso de producción para examinar automáticamente para saber si hay defectos.
• El buscar inteligente - un Search Engine del Internet que proporciona el contenido y la bandera más relevantes ads basó en los usuarios más allá del comportamiento.
• Detección del fraude - detecte las transacciones fraudulentas de la tarjeta de crédito y decline automáticamente la carga.

        Las redes de los nervios y los algoritmos genéticos son tecnologías muy emocionantes en el campo de inteligencia artificial.  Estas tecnologías han ido cambiado constantemente la manera que solucionamos los problemas "del mundo real" tanto en, ciencia, ingeniería y economía.  A su vez trata de expresar el proceso de aprendizaje del cerebro humano para extraer patrones de datos históricos. Por muchos años esta tecnología se ha aplicado con éxito a una variedad amplia de usos del mundo real. La herramienta de desarrollo de la opción entre investigadores de la red de los nervios y reveladores de uso es NeuroSolutions.

...