REDES NEURONALES

REDES NEURALES

Duwan Ernesto Arismendy Rodrguez

Pontificia Universidad Javeriana Facultad de Comunicacin y Lenguaje Ciencia de la Informacin Bibliotecologa Bogot D.C.

REDES NEURONALES

Neurona
Clula especializada del tejido nervioso que
asegura la conduccin y la transmisin del influjo nervioso. Esta clula que pertenece al sistema nervioso, y que comprende un cuerpo celular y varias prolongaciones, constituye la unin funcional de diferentes reas del cuerpo .

Se estima que en el ser humano hay

entre 20.000 millones y 200.000 millones de neuronas, cada una de las cuales puede tener hasta 30.000 conexiones con otras neuronas.

REDES NEURONALES

Red Neuronal
Definicin: Una red neuronal, es una estructura de
procesamiento de informacin paralela y distribuida, que intenta simular las funciones computacionales elementales de la red nerviosa del cerebro humano, con base a la interconexin de multitud de elementos de procesamiento, cada uno de los cuales presenta un comportamiento completamente local.

REDES NEURONALES

Historia
1943. MacCulloch y Pitts (MacCulloch y Pitts, 1943)
publicaban el artculo "A logical Calculus of ideas Immanent in Nervous Activity". La probabilidad que una neurona se activase dependa de la seal de entrada y de la sinapsis de conexin.

1949. Hebb (1949) Publica el libro

"The organization of the Behavior" donde se describe cmo pueden aprender las neuronas.

1951. Marvin Minsky y Dean Edmons fabrican con tubos,

motores y dispositivos mecnicos una mquina capaz de aprender.

REDES NEURONALES

Historia
1956. Organizada por Minsky, John mcCarthy, Nathaniel
Rochester y Claude Shannon se celebr la primera conferencia sobre Inteligencia Artificial.

1959. Frank Rosenblatt (Rosenblatt, 1959) desarrolla su

concepto de perceptron. Un sistema que permita interpretar patrones tanto abstractos como geomtricos.

1962. Marcian Hoff. Desarrolla un modelo llamado

ADALINE. Este modelo de RNA es capaz de clasificar los datos en espacios separables linealmente.

REDES NEURONALES

Historia
1969. Minsky y Papert (Minsky and Paperts, 1969)
publican el libro llamado "perceptrons" en el que presentan el principal problema del perceptron, el famoso problema del XOR o el No exclusivo.

1986. Rumelhart, McClelland y el PDP (Rumelhart,

McClelland & PDP, 1986) Estos dos investigadores fundaron el PDP (Parallel Distributed Processing) un grupo dedicado al estudio del conocimiento. De este grupo se edit el libro "Parallel Distributed Processing: Explorations in the Microstructures of Cognition".

REDES NEURONALES

Fundamentos
Es robusto y tolerante a fallas, diariamente mueren neuronas
sin afectar su desempeo.

Es flexible, se ajusta a nuevos

ambientes de aprendizaje, no hay que programarlo.

Puede manejar informacin difusa, con ruido

o inconsistente.

Es altamente paralelo. Es pequeo, compacto y consume poca

energa.

REDES NEURONALES

Fundamentos
Procesamiento de imgenes y de
voz

Reconocimiento de patrones Planeamiento Interfaces adaptivas para sistemas

Hombre/mquina

Prediccin

Control y optimizacin
Filtrado de seales

REDES NEURONALES

Caractersticas
Neurona Biolgica
Estas neuronas tienen tres componentes principales, las dendritas,
el cuerpo de la clula o soma, y el axn. Las dendritas, son el rbol receptor de la red, son como fibras nerviosas que cargan de seales elctricas el cuerpo de la clula.

El cuerpo de la clula, realiza

la suma de esas seales de entrada. El axn es una fibra larga que lleva la seal desde el cuerpo de la clula hacia otras neuronas. El punto de contacto entre un axn de una clula y una dendrita de otra clula es llamado sinpsis.

REDES NEURONALES

Caractersticas
Redes Neuronales
El modelo de una neurona artificial es una imitacin del
proceso de una neurona biolgica.

REDES NEURONALES

Caractersticas
Existen varias formas de nombrar una neurona artificial, entre las
formas conocidas encontramos, nodo, neuronodo, celda, unidad o elemento de procesamiento (PE).

REDES NEURONALES

Caractersticas

En esta figura puede observarse el recorrido de un conjunto de seales que entran a la red.

REDES NEURONALES

Caractersticas
Tener una inclinacin natural a adquirir el
conocimiento a travs de la experiencia.

Tienen una altsima plasticidad y gran

adaptabilidad.

Poseen un alto nivel de tolerancia a fallas. Tienen un comportamiento altamente nolineal.

La red no se programa se entrena.

REDES NEURONALES

Clasificacin de las Redes Neuronales

Aprendizaje supervisado
Se asemeja al mtodo de enseanza tradicional con un profesor que indica y corrige los errores del alumno hasta que ste aprende la leccin. Si la red utiliza un tipo de aprendizaje supervisado debemos proporcionarle parejas de patrones entrada-salida y la red neuronal aprende a asociarlos. series temporales, etc.

REDES NEURONALES

Clasificacin de las Redes Neuronales

Aprendizaje no supervisado
No hay un profesor que corrija los errores al alumno; recuerda ms al autoaprendizaje. El alumno dispone del material de estudio pero nadie lo controla. Si el entrenamiento es no supervisado, nicamente debemos suministrar a la red los datos de entrada para que extraiga los rasgos caractersticos esenciales.

REDES NEURONALES

Clasificacin de las Redes Neuronales

REDES NEURONALES

Tipos de Redes
Redes Unidireccionales (Feedforward Networks)
en otro tambin especificado. El aprendizaje es supervisado y tiene lugar a travs de un proceso de ajuste de los pesos sinpticos de las neuronas de la red.

Usadas para transformar un conjunto de datos especificado

Su

arquitectura tpica es de una red multicapa.

Prototitpo:

Perceptrn multicapa.

REDES NEURONALES

Tipos de Redes
Redes Recurrentes (Feedback Networks) Concebidas para almacenar eficientemente informacin.

La red funciona como un sistema dinmico cuyos puntos de

equilibrio representan los registros almacenados.

Su arquitectura tpica es la de
una red monocapa con una gran realimentacin.

Prototipo: Red de Hopfield.

REDES NEURONALES

Tipos de Redes
Redes Auto-Organizadas (Self-Organizing Networks)

Uso: Estructurar la informacin que se presenta a la red

en conjuntos a priori desconocidos.

El entrenamiento es mediante
un aprendizaje no supervisado denominado competitivo.

Cada neurona tiene un cierto

grado de conexin con neuronas colaterales.

REDES NEURONALES

Aplicaciones de las Redes Neuronales

Clasificacin
Decidir a qu clase, de una serie dada, se asigna un dato de entrada a la red.

Asociacin
La red funciona como un proceso de recuperacin de un dato, a partir de una entrada relacionada con el dato almacenado. La entrada puede ser una versin incompleta o deformada del dato buscado.

REDES NEURONALES

Aplicaciones de las Redes Neuronales

Agrupamiento (Clustering)
Utilizada cuando no se conoce una clasificacin de los datos de entrada, y se espera que la red genere esta clasificacin. Generacin de prototipos.

Optimizacin
Permite solucionar problemas de optimizacin de naturaleza complicada. Las RNA proporcionan un procedimiento rpido para generar una solucin ptima.

REDES NEURONALES

Aplicaciones de las Redes Neuronales

Prediccin y Control
En tareas de prediccin para anticipar el estado futuro de un sistema. Tareas de control de sistemas dinmicos complejos.

REDES NEURONALES

Ventajas Redes Neuronales

Algunas ventajas de las redes neuronales son :
Aprenden de ejemplos. Procesan la informacin en paralelo. Pueden trabajar en sistemas no lineales. Trabajan mejor en sistemas ruidosos. No necesitan un modelo matemtico. Capacidad de generalizar. Son baratas en su construccin.

REDES NEURONALES

Desventajas Redes Neuronales

Algunas desventajas de las redes neuronales son : No se identifica claramente el mecanismo con el
cual han resuelto un problema.

No existe una metodologa que nos indique que

tipo de red debemos utilizar para resolver un problema especfico, ni cuantas neuronas debemos utilizar en la capa escondida, o si tenemos que utilizar ms de una capa escondida.

Modelo de Clasificacin incomprensible.

REDES NEURONALES

Bibliografa
ACOSTA, Maria Isabel. Tutorial de redes neuronales [en lnea]. 2000. Consultado el 21 de octubre de 2006. Disponible en: http://ohm.utp.edu.co/neuronales/.

CASTELLANOS, Miguel Angel. Introduccin a las Redes Neuronales y su aplicacin a las Bsquedas de documentos [en lnea]. Consultado el 22 de octubre de 2006. Disponible en: http://www.tid.es/documentos/boletin/numero19_ 1.pdf.
HERRERA LPEZ, Enrique. Estimacin de las concentraciones de biomasa y el pigmento astaxantina, mediante redes neuronales artificiales [en lnea]. Consultado el 22 de octubre de 2006. Disponible en: http://iteso.mx/~rleal/archivos/cie97.pdf.

REDES NEURONALES

Bibliografa
MARTN DEL BRO, Bonifacio. Redes neuronales y sistemas difusos. Mxico: Alfaomega. 2002. 399 p. PALACIOS BURGOS, Francisco Jos. Herramientas en GNU/Linux para estudiantes universitarios. Redes Neuronales con GNU/Linux [en lnea]. 2003. Consultado el 21 de octubre de 2006. Disponible en: http://softwarelibre.unsa.edu.ar/docs/descarga/20 03/curso/htmls/redes_neuronales/index.html. REINOSO, Oscar. Curso 2002-2003. Redes Neuronales e Inteligencia Artificial [en lnea]. 2002. Consultado el 22 de octubre de 2006. Disponible en: http://isa.umh.es/doct/rnia/. SERRANO, Carlos. Las redes neuronales artificiales [en lnea]. 2000. Consultado el 22 de octubre de 2006. Disponible en: http://ciberconta.unizar.es/LECCION/REDES/INICI O.HTML.