Redes Neuronales Artificiales

Redes Neuronales Artificiales

¿Qué determina la inteligencia en los seres vivos?

El ser vivo más inteligente como todos sabemos es el ser humano, seguido por el chimpancé, el loro y en cuarto lugar el delfín, todos ellos con tamaños de cerebros variables así que podemos deducir que contrario a la creencia común el tamaño del cerebro no determina la inteligencia de su poseedor, lo que si la determina es la forma y el número de conexiones que tienen sus neuronas.

¿Cómo aprendemos cosas nuevas?

Aunque no se sabe a ciencia cierta se maneja la teoría postulada en 1949 por Donald Hebb, quien explicaba que el aprendizaje ocurrían cuando ciertos cambios en las neuronas eran activados, de igual manera las neuronas que componen las redes neuronales sufren cambios y crean nuevas conexiones entre ellas para darles la capacidad de aprender.

¿Qué son las redes neuronales artificiales?

Es un modelo computacional que trata de imitar el comportamiento de las neuronas en los seres vivos para simular su capacidad de memorizar, aprender y asociar hechos.

Lo que básicamente ocurre con las neuronas biológicas es que la neurona es estimulada a través de sus entradas y cuando se alcanza un cierto umbral la neurona se activa y pasa una señal electroquímica al axón.

Ventajas de las Redes Neuronales Artificiales

Aprendizaje adaptativo: Capacidad de aprender a realizar tareas basadas en un entrenamiento previo.

Auto-organización: Ellas auto-organizan la información utilizada.

Tolerancia a fallos: El sistema continúa funcionando aunque hayan fallos.

Operación en tiempo real: Gracias a su implementación paralela.

Fácil inserción dentro de la tecnología existente: Se pueden entrenar para realizar una tarea definida.

Elementos Básicos de una red neuronal artificial:

Capa de entrada: Esta capa recibe directamente la información que proviene de las fuentes externas de la red.

Capas ocultas: Son internas de la red y no tienen contacto directo con el exterior de esta, aquí las neuronas pueden estar conectadas de distintas maneras lo que determina, junto con el número de neuronas, las distintas topologías de las redes neuronales.

Capa de salida: transfieren la información de la red hacia el exterior.

Codificación de los atributos simbólicos

Por su codificación de dividen en:

Neuronas binarias.

Neuronas reales.

Proceso de entrenamiento de una red neuronal

Es el proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de entrada. Los cambios que se producen durante el mismo se reducen a la destrucción, modificación y creación de conexiones entre las neuronas. En los sistemas biológicos existe una continua destrucción y creación de conexiones entre las neuronas. En los modelos de redes neuronales artificiales, la creación de una nueva conexión implica que el peso de la misma pasa a tener un valor distinto de cero. De la misma manera, una conexión se destruye cuando su peso pasa a ser cero. Los métodos de aprendizaje pueden ser de dos formas:

1. Aprendizaje supervisado.

2. Aprendizaje no supervisado.

...