Redes Neuronales

Erazo Jorge, Erazo Juan, Juia Daniela, Vicente Ramiro Escuela Politcnica Nacional, Quito, Ecuador

Redes Neuronales Resumen Las redes de neuronas artificiales (denominadas habitualmente como RNA o en ingls como: "ANN" ) son un paradigma de aprendizaje y procesa miento automticoi nspirado 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. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales1 Redes Neuronales mediante Matlab Para trabajar con redes neuronales, seguramente podremos encontrar con una simple bsqueda en Internet un gran nmero de APIs y frameworks que implementen por nosotros la estructura de la mayor parte de los tipos de redes y la funciones necesarias para trabajar con ellas. Uno de estos frameworks es el Toolbox que matlab posee, que nos ofrece una implementacin genrica de redes neuronales, as como implementaciones de redes neuronales concretas como las perceptrn, backpropagation, Som, etc. Estructura

Matlab utiliza una estructura nica que nos dar acceso a todas las propiedades de la red neuronal, independientemente del tipo que esta sea, de manera que utilizando esta propiedad podremos modificar las entradas, capas, conexiones, pesos, etc. De esta manera una vez configurada la red neuronal segn nuestras necesidades invocaremos las funciones de manipulacin de redes neuronales disponibles en matlab, (simulacin, entrenamiento, inicializacin, etc.), pasndole como parmetro la estructura de la red neuronal. net = network; Si ejecutamos el comando anterior y visualizamos el contenido de la variable myNetwork se nos vializar la estructura mencionada, la cual se puede dividir en cinco secciones: Arquitectura: Define las caractersticas bsicas de la red neuronal, nmero de entradas, capas, conexiones de bias, etc. Subobjetos: Contiene referencias a las subestructuras de la red neuronal, que nos permitirn configurar las propiedades de los distintos componentes que forman la red (capas, entradas, salidas, etc.). Funciones: Funciones principales de la red neuronal, utilizadas para ejecutar

http://es.wikipedia.org/wiki/Red_neuronal_arti ficial

las operaciones de inicializacin, entrenamiento o simulacin. Parmetros: Configuracin de los parmetros asociados a las funciones seleccionadas en el bloque de funciones. Valores: Aqu se definen las matrices con los valores de los pesos de entrada, conexiones entre capas y bas.2

http://poncos.wordpress.com/2008/04/14/mat lab-toolbox-de-redes-neuronales/

Grfica 1 Se observa el problema de movimiento de un autmata

Grfica 4. Se observa el tratamiento de la red como su entrenamiento y parmetros seleccionados

Grfica 2. Se puede observar el ingreso de entradas

Grfica 5. Se puede observar la respuesta

Grfica 3. Se observa el uso del nntool del Matlab para procesamiento de del problema

Grfica 6. Se puede observar el tratamiento del problema a travs de forma de red

Ejemplo: Prediccin de Consumo La prediccin de consumo de carga refleja las necesidades futuras de una poblacin; esta previsin debe ser lo ms ajustada a la realidad, ya que unos valores inferiores a los reales causaran deficiencias en la prestacin del servicio en el futuro y un pronstico de necesidades superior al real, motiva la inversin prematura en instalaciones que no tendrn un aprovechamiento inmediato. La proyeccin del suministro de energa se hace conbase en el consumo, aplicando porcentajes de prdidas que pueden obtenerse de un anlisis de los registros histricos (que normalmente se presentan en forma estadstica), o por similitud con otros sistemas.

Grfica 8. Se puede observar las respuestas para cada da de la semana

Grfica 9. Se puede observar la simulacin de la red a travs del nntool de Matlab

Grfica 7. Se pueden observar la tabla que se ha obtenido de una forma histrica

Grfica 10. Se observa el tratamiento del problema

Se observa la respuesta al

problema