Professional Documents
Culture Documents
Pero solo hasta 1957 Frank Rosenblatt comenz el desarrollo del Perceptrn, esta es
la red neuronal ms antigua; utilizndose hoy en da para aplicacin como identificador de
patrones. Este modelo era capaz de generalizar, es decir, despus de haber aprendido una
serie de patrones poda reconocer otros similares, aunque no se le hubiesen presentado en el
entrenamiento.
Ms adelante en 1959 Widrow desarroll la Teora sobre la Adaptacin Neuronal y
el Adaline (Adaptative Linear Neuron) y el Madaline (Multiple Adaline). Es la primera
aplicacin de las redes a problemas reales: filtros adaptativos para eliminar ecos en las
lneas telefnicas.
Stephen Grossberg en 1967 realiz una red: Avalancha, que consista en elementos
discretos con actividad que vara en el tiempo que satisface ecuaciones diferenciales
continuas, para resolver actividades como reconocimiento continuo de habla y aprendizaje
de los brazos de un robot.
Hasta 1982 el crecimiento se fren pero surgieron luego investigaciones sobre redes
como la de Marvin Minsky y Seymour Papert, despus James Anderson desarroll el
Asociador Lineal, en Japn Kunihiko Fukushimika y Teuvo Kohonen que se centraron en
Redes Neuronales para el reconocimiento de patrones; en USA John Hopfield tambin
realiz importantes investigaciones.
Existen muchos grupos con sede en diferentes universidades de todo el mundo que
estn realizando trabajos de investigacin en el rea de las redes neuronales artificiales.
Cada grupo tiene diferente nfasis y motivacin con los neurlogos, psiclogos del
conocimiento, fsicos, programadores y matemticos. Todos ellos ofrecen nuevos puntos de
vista e intuiciones en esta rea de la tcnica.
Grossberg continua trabajando en compaa de Carpenter en la Universidad de
Boston, mientras Teuvo Kohonen est en la Universidad de Helsinki. Uno de los mayores
grupos de investigacin de los ltimos aos ha sido el grupo PDP (Parallel Distributed
Processing) formado por Rumelhart, McClelland y Hinton.
Rumelhart de la Universidad de Stanford es uno de los principales impulsores de la
red ms utilizada en la mayora de las aplicaciones actuales, la famosa red neuronal
Backpropagation. En la Universidad de Carnegie-Mellon, el grupo de investigacin a la
cabeza con McClelland destaca por el estudio de las posibles aplicaciones de la
Backpropagation. Y en la Universidad de Toronto, Hinton y Sejnowski han desarrollado
una mquina llamada Boltzman que consiste en la red de Hopfield con dos modificaciones
significativas.
Bart Kosko ha diseado una red llamada BAM (Bidirectional Associate Memory)
basado en la red de Grossberg. Por ltimo indicar la existencia de grandes grupos de
investigacin como los de California Institute of Technology, Massachussets Institute of
Technology, University of California Berkeley y University of California San Diego.
Conviene no olvidar el esfuerzo econmico y tcnico que estn realizando las
empresas privadas tanto en USA como en Japn y en la Comunidad Econmica Europea.
Como botn de muestra de las inversiones en estos pases baste conocer que slo en USA
se gasta ms de 100 millones de dlares al ao.
BASES TEORICAS
Aprender: adquirir el conocimiento de una cosa por medio del estudio, ejercicio o
experiencia. Las RNA pueden cambiar su comportamiento en funcin del entorno.
Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas
salidas consistentes.
Enfoque Biolgico:
La neurona es la unidad fundamental del sistema nervioso y en particular del
cerebro.
Cada neurona es una simple unidad procesadora que recibe y combina seales desde
y hacia otras neuronas. Si la combinacin de entradas es suficientemente fuerte la salida de
la neurona se activa. La siguiente figura muestra las partes que constituyen una neurona.
NEURONA i
X1
X2
Wi1
Wi2
Wij
Xj
Pesos
Hi
Ai
Yi
Funcin de Salida
Funcin de Activacin
Regla de Propagacin
Entradas
Existe una serie de modelos de redes neuronales artificiales, algunos de ellos son:
c) Segn su modo de operacin. Cuando se habla del modo de operacin de una red
neuronal se est haciendo referencia a la manera en que la red neuronal procesa los
estmulos externos y crea la respuesta de salida. Puede considerarse a una red
neuronal como perteneciente a una de dos grandes categoras, como lo son las redes
estticas y las dinmicas.
Redes estticas: Son redes que toman problemas resueltos para construir
sistemas que toman decisiones y que a dems pueden realizar clasificaciones,
tomando aquellos problemas que no tienen solucin computacional e
implementado algoritmos para su solucin.
Las redes estticas producen un mapa de datos a datos y es por ello que se
utilizan como aproximadores universales de funciones. Debido a su modo de
funcionamiento, estas redes tienen una capacidad limitada para sintetizar
funciones dependientes del tiempo en comparacin con lo que exponen las redes
dinmicas.
Entre este tipo de redes encontramos la red Perceptron y las redes multicapa,
con las cuales se resuelven los problemas de clasificacin de patrones no
separables linealmente.
Otras redes neuronales: Son redes que se caracterizan por no tener un par
entrada salida asociado, sino que extraen caractersticas de las entradas sin que
se conozca la salida. Estas redes asocian una respuesta a una entrada en
particular mediante un procedimiento simple, Entre este tipo de redes
encontramos las red de Kohonen, las memorias asociativas bidireccionales
BAM y la red de funciones radiales.
HERRAMIENTAS Y TECNOLOGIAS
El resurgimiento de la computacin neuronal en los ltimos aos se ha producido
por el desarrollo terico de nuevos modelos matemticos del comportamiento del cerebro y
por el desarrollo de nuevas tecnologas que ya estn siendo utilizadas en una gran variedad
de aplicaciones comerciales.
Entre los avances o desarrollos tecnolgicos que permiten la realizacin de la
computacin neuronal destacan los programas software de simulacin, los aceleradores
hardware, los chips de silicio y los procesadores pticos.
Simuladores Software: constituyen una de las formas ms verstiles con las que se
pueden implementar redes neuronales. Estos programas constituyen todo un sistema de
desarrollo y realizacin de prototipos de redes neuronales. Estos programas se utilizan para
disear, construir, entrenar y probar redes neuronales artificiales para resolver problemas
complejos y problemas del mundo real.
Los primeros simuladores software se ejecutaban en ordenadores de grandes
prestaciones y el avance de los ordenadores personales en capacidad de procesado y
capacidad de memoria hace posible que exista una serie de simuladores software de
grandes prestaciones que corren sobre ordenadores personales. Entre otros paquetes
software se incluye Neural Works, Neuralyst, Explore Net y Kwowledge Net.
Aceleradores Hardware: la naturaleza paralela de la computacin neuronal se
presta a realizar diseos concretos y a medida de dispositivos fsicos, aceleradores
hardware, que aceleren la ejecucin de los clculos. Los aceleradores hardware para los
sistemas de computacin neuronal son dispositivos fsicos constituidos por diferentes
procesadores interconectados que ayudan a la realizacin y ejecucin del comportamiento
de las RNA. Una de las ventajas de los aceleradores hardware diseados especficamente
para la computacin neuronal es el aumento de la velocidad de procesado. Esta
caracterstica permite la utilizacin de las RNA en aplicaciones de tiempo real.
Robert Hecht-Nielsen desarroll el acelerador hardware Mark III que constaba de
8100 procesadores y trabajaba como un perifrico de un VAX. La mayora de las casas
comerciales dedicadas al diseo de las RNA han desarrollado diferentes tarjetas basadas en
los diferentes procesadores existentes, diseadas para trabajar en el entorno de un
ordenador personal PC y presentando un progresivo ratio de actualizaciones de
interconexiones por segundo.
Chips de Silicio: Otro de los campos de la investigacin en el mundo de las RNA al
margen de los simuladores software y aceleradores hardware, es la integracin de todos los
componentes de computacin neuronal en un chip de silicio. Un ejemplo concreto es el
chip Electronic Neural Network (EEN) de la compaa AT&T que contiene 256
transistores-neuronas y ms de 100.000 resistencias-sinapsis. Actualmente este chip est
siendo utilizado para aplicaciones de compresin del ancho de banda de imgenes de vdeo
para poder ser transmitidas por una lnea telefnica. Existen muchas compaas y centros
de investigacin que estn trabajando en el desarrollo de circuitos integrados que realizan
computacin neuronal. La mayora de las aplicaciones de estos chips est siendo la
simulacin de procesos sensitivos como la visin de imgenes y la audicin de sonidos.
APLICABILIDAD
El principal rasgo de esta tecnologa es que ha sido aplicada a un inmenso conjunto
de problemas, pertenecientes a diversas reas del conocimiento, muchos de los cuales
parecan ser demasiado complicados de resolver en modelos tericos o para los cuales se
careca de un modelo matemtico apropiado.
Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene una
aplicacin particular ms apropiada. Las redes neuronales han encontrado muchas
aplicaciones con xito en la visin artificial, reconocimiento de textos manuscritos, en la
simulacin de centrales de produccin de energa, en la deteccin de explosivos, en la
identificacin de blancos de radares, en el procesado de seales e imgenes, reconocimiento
de voz y caracteres, sistemas expertos, anlisis de imgenes mdicas, control remoto,
control de robots, inspeccin industrial, en exploracin cientfica se utilizan redes
neuronales en los vehculos de investigacin espacial, en la biometra para distinguir
personas segn patrones corporales tales como su huella, rostro, pupila y otros, la deteccin
de clulas cancerosas, lesiones neurolgicas y cardiacas, prospecciones geolgicas,
prediccin de audiencias televisivas, para jugar a diferentes juegos (ajedrez, backgammon,
bridge), compresin de datos, predicciones meteorolgicas, o comprobacin de fallos en
equipos. Entre otros.
Tesis UDO
Para el ao 2009, los estudiantes Luis Antonio Cordero y Enoes Carolina Medina de
la Universidad de Oriente Ncleo Anzotegui, desarrollaron el proyecto titulado
Desarrollo de una Aplicacin que Permita Evolucionar Redes Neuronales
Artificiales para Resolver Problemas de Clasificacin, para optar al ttulo de
Ingeniero en Computacin. Este proyecto se realiz con el propsito de desarrollar
un software que le brinde al usuario una solucin expresada como una Red
Neuronal Artificial que puede ser obtenida de dos formas: Algoritmo Gentico y
Algoritmo Backpropagation; que el usuario puede elegir que mtodo usar. Esta
aplicacin se realiz utilizando tecnologas de software libre, rigindose por el
decreto 3390, el cual dispone que La Administracin Pblica Nacional deber
emplear prioritariamente Software Libre desarrollado con Estndares Abiertos, en
todos sus Sistemas, Proyectos y Servicios Informticos. El desarrollo del proyecto
estuvo dirigido por la metodologa OMT (Object Modeling Technique), la cual
utiliza el anlisis y el diseo orientado a objetos por medio del Lenguaje de
Para el ao 2001, los estudiantes Rosa Lrida Lunar Fernndez y Antonio Da Silva
Moreira de la Universidad de Oriente Ncleo Anzotegui, desarrollaron el proyecto
titulado Diseo de un Sistema Basado en Redes Neuronales para el Control de
un Vehculo para optar al ttulo de Ingeniero en Computacin. Este proyecto se
realiz con el propsito de disear un sistema que permita el control de un vehculo
basado en Redes Neuronales. El sistema consta de dos subsistemas: uno en bajo
nivel encargado de controlar la circuitera o hardware del vehculo y otro en alto
nivel que lleva el control basado en el algoritmo Backpropagation de Redes
Neuronales. Este proyecto utiliz para el subsistema de control del hardware el
Lenguaje Ensamblador y para el subsistema de control neuronal los diagramas de
Lenguaje Unificado para el Modelado de objeto (UML), y se define con una
Programacin Orientada a Objetos con el Lenguaje de Programacin Borland C++.
Para el ao 1997, los estudiantes Sarbjit Singh Kaur y Franklin Ysaccis Betancourt
de la Universidad de Oriente Ncleo Anzotegui, desarrollaron el proyecto titulado
Simulador de Redes Neurales Competitivas con Aprendizaje no Supervisado
del Tipo SOM y ART1 para optar al ttulo de Ingeniero en Computacin. Este
BIBLIOGRAFA
http://ocw.uv.es/ingenieria-y-arquitectura/1-2/libro_ocw_libro_de_redes.pdf
https://books.google.co.ve/books?
id=X0uLwi1Ap4QC&printsec=frontcover&hl=es&source=gbs_ge_summary_r&c
ad=0#v=onepage&q&f=false
http://www.ciberesquina.una.edu.ve:8080/2014_2/350_E.pdf