Redes Neuronales
Las Redes Neuronales son un campo muy importante dentro de
la Inteligencia Artificial. Inspirándose en el comportamiento conocido del
cerebro humano (principalmente el referido a las neuronas y sus conexiones),
trata de crear modelos artificiales que solucionen problemas difíciles de
resolver mediante técnicas algorítmicas convencionales.
Generalidades
Simula el sistema nervioso real en forma abstracta. Estas deben ser entrenadas para que den solución a los problemas. Esta enseñanza se realiza repitiendo sistemáticamente entradas clásicas, con sus respectivas salidas o respuestas. Son usadas para reconocimiento de patrones, clasificaciones de voz e imagen, procesamiento de lenguaje natural, predicción y optimización.
Simula el sistema nervioso real en forma abstracta. Estas deben ser entrenadas para que den solución a los problemas. Esta enseñanza se realiza repitiendo sistemáticamente entradas clásicas, con sus respectivas salidas o respuestas. Son usadas para reconocimiento de patrones, clasificaciones de voz e imagen, procesamiento de lenguaje natural, predicción y optimización.
Son un paradigma de aprendizaje y procesamiento automático
inspirado en la forma en que funciona el sistema nervioso de los animales. Se
trata de un sistema de interconexión de neuronas en una red que colabora para
producir un estímulo de salida.
Una de las principales características de las redes
neuronales, es que son capaces de trabajar con datos incompletos e incluso
paradójicos, que dependiendo del problema puede resultar una ventaja o un
inconveniente.
Estructura de
una red neuronal
Una red neuronal está constituida por nodos, o unidades, que
están unidas mediante conexiones. Algunas de las unidades están conectadas al
ambiente externo y se designan como unidades de entrada o de salida según
reciban estímulos externos o den la respuesta del sistema, respectivamente.
Hay otras unidades (neuronas) que simplemente están
conectadas a otras neuronas del sistema y que al no tener relación directa con
la información de entrada ni con la de salida del sistema, se denominan como
unidades ocultas. Se conoce como capa o nivel a un conjunto de neuronas cuyas
entradas provienen de la misma fuente (que puede ser otra capa de neuronas) y
cuyas salidas se dirigen al mismo destino (que puede ser otra capa de
neuronas).
Ventajas
Las redes neuronales poseen muchas ventajas teniendo en
cuenta que están basadas en la estructura del sistema nervioso, principalmente
el cerebro, entre ella se encuentran:
Aprendizaje: Las redes neuronales tienen la capacidad de
aprender a realizar tareas basadas en un entrenamiento o una experiencia
inicial.
Auto organización: Crea su propia organización o
representación de la información en su interior que recibe mediante una etapa
de aprendizaje.
Tolerancia a fallos: Debido a que una red neuronal almacena
la información de forma redundante, ésta puede seguir respondiendo de manera
aceptable, incluso sufriendo un gran daño.
Flexibilidad: Una red neuronal puede manejar cambios no
importantes en la información de entrada, como señales con ruido u otros cambios
en la entrada.
Tiempo real: La estructura de una red neuronal es paralela,
por lo cual si esto es implementado con computadoras o en dispositivos
electrónicos especiales, se pueden obtener respuestas en tiempo real.
Tipos de
redes neuronales
Perceptron Simple
Perceptron Multicapa
Red de Hopfield
Red neuronal Competitiva Simple
Redes
neuronales Online ART1
Redes
neuronales competitivas ART2
Redes neuronales autoorganizadas: Mapas de Kohonen
