Redes Neuronales
Redes Neuronales
UNIVERSIDAD NACIONAL DE MOQUEGUA09/08/2013Integrantes:DIEGO JOSE
QUISPE DEL CARPIOYONY BRONDY MAMANI FUENTESRUBEN DARIO ROJAS
ZAPATABRENO ALBERT PINO HURTADODIEGO ARMANDO MAMANI CALLOMAMANI
INTRODUCCIONA partir de 1982 surgi un gran inters por un mtodo
de representacin del conocimiento que simula ciertos procesos
biolgicos. Este mtodo recibi el nombre de redes neuronales. Para
entender su funcionamiento, es necesario tener nociones del
funcionamiento del cerebro humano.Las Redes Neuronales Artificiales
(RNAs) estn inspiradas en los sistemas nerviosos biolgicos. Se
intenta reproducir por lo menos el funcionamiento del cerebro
humano en las computadoras, sea esta en hardware o software, estas
redes solucionan problemas para los cuales no fue programado
explcitamente.El estudio de las redes neuronales es un campo
extremadamente interdisciplinario, tanto en el desarrollo como en
las aplicaciones. Las redes neuronales pueden ser aplicadas en
diversas reas, desde actividades de investigacin hasta aplicaciones
comerciales e industriales.NEURONA BIOLOGICALa neurona es una clula
altamente especializada. Como cualquier clula biolgica, est
delimitada por una fina membrana celular que adems de su funcin de
separar el interior del exterior de la clula, posee determinadas
propiedades que son esenciales para el funcionamiento elctrico de
la clula nerviosa. La neurona recibe impulsos elctricos a partir de
sus dendritas, esos impulsos son procesados en la soma o cuerpo
celular y retransmitidos por el axn, hacia las dendritas de una o
varias neuronas.La neurona Fig. N 1, muestra el bloque fundamental
de construccin del sistema nervioso. Esta es una clula similar a
otras del cuerpo con ciertas especializaciones.Una neurona biolgica
posee tres partes particularmente importantes para el estudio de
las neuronas artificiales: dendritas, soma y axn.
Fig. N 1
Las dendritas, tienen la funcin de recibir las informaciones
(impulsos nerviosos) de otras neuronas y conducirlos al cuerpo o
soma para que sean procesados. Poseen una forma similar a las races
de los rboles.El cuerpo o soma, posee una forma piramidal o
cilndrica, ste es el ncleo de la clula nerviosa. Las informaciones
que provienen de las dendritas son procesadas, generando nuevos
impulsos que se retransmiten. El cuerpo celular es como un
procesador de informaciones, sumando el potencial elctrico que
viene de las dendritas. Este es el responsable de proveer las
funciones necesarias de la neurona.El axon de una neurona,
generalmente es nico y se puede prolongar por distancias
comparables a las dimensiones del organismo. Tambin es responsable
de llevar los impulsos generados en el cuerpo de la neurona hasta
la sinapsis. El axon puede ser visto como una va de transporte, o
una lnea de transmisin. Tiene una forma lisa, con pocas
ramificaciones.Una sinapsis consiste en un terminal pre-sinptico,
por donde llega un estmulo proveniente de otra clula. En la regin
inter-sinptica, el estmulo nervioso que llega a la sinapsis se
transfiere a la membrana dendrital a travs de sustancias conocidas
como neurotransmisores. El resultado de esta transferencia es una
alteracin en el potencial elctrico de la membrana post - sinptica.
Dependiendo de la naturaleza de los neurotransmisores y por la
naturaleza de los receptores qumicos que los reciben en el otro
lado de la sinapsis, la seal ser excitatoria o inhibitoria.LA
NEURONA ARTIFICIALLas redes neuronales no utilizan conocimientos ni
procedimientos explcitamente definidos para analizar datos nuevos.
En vez de ello, buscan patrones preexistentes o ejemplos
provenientes de datos basados estadsticamente. El conocimiento o la
experiencia, utilizando en sus tcnicas de concordancia de patrones
no se conserva en una base de conocimientos. Mas bien es, creado de
manera automtica por la red en un proceso conocido como
aprendizaje, que ocurre cuando una red queda expuesta a datos
nuevos. Este conocimiento de resolucin de problemas se consigue en
las muchas interconexiones que conforman una red neuronal.Las redes
neuronales estn siendo entrenadas para ejecutar funciones complejas
en varios campos de aplicacin, como:En el diagnstico mdico.En la
prediccin de fallas bancarias.En el control del proceso de
produccin de papel industrial.En el control de procesos qumicos.En
la obtencin de un modelo organizacional.En problemas de
administracin de empresas.El funcionamiento consiste en aplicar un
conjunto de entradas, cada una representando la salida de otra
neurona, o una entrada del medio externo, realizar una suma
ponderada de estos valores y filtrar este valor con una funcin. En
la Fig. N 2, se muestra una neurona artificial.Las entradas, que
podemos llamar vector X, corresponden a las seales que llegan a la
sinapsis de una neurona biolgica. Cada seal se multiplica por un
peso que tiene asociado, w1, w2, . . ., wn. Los pesos los podemos
llamar vector W, cada peso corresponde a la intensidad o fuerza de
la conexin de una sinapsis en una neurona biolgica. Estas
multiplicaciones se suman, esta adicin corresponde al cuerpo de una
neurona biolgica. Esta es una suma algebraica de las entradas
ponderadas, entonces:
En la Fig. N 2, se observa que existen variables comprendidas
desde x1 hasta xn, tambin se tiene pesos desde w1 hasta wn, las
variables se multiplican por los pesos correspondientes y el
resultado de la sumatoria de los productos ingresa a la neurona, el
cual es enviado al exterior mediante una funcin de activacin.
Fig. N 2: Neurona artificialFunciones de activacinLa seal Net
(salida) generalmente se procesa por medio de una funcin de
activacin F, la cual producir una seal que ser la salida (Out) de
la neurona.La funcin F tambin puede ser alguna otra funcin que
simule mejor las caractersticas no lineales de transferencia de una
neurona biolgica.Si F reduce el rango de Net de manera que Out
nunca salga de algn lmite, independientemente de lo grande que sea
Net, entonces F es una funcin sigmoidal, una funcin de este tipo es
la funcin logstica
QUE ES UNA RED NEURONALExisten numerosas formas de definir a las
redes neuronales; desde las definiciones cortas y genricas hasta
las que intentan explicar ms detalladamente qu son las redes
neuronales. Por ejemplo:1. Una nueva forma de computacin, inspirada
en modelos biolgicos.2. Un modelo matemtico compuesto por un gran
nmero de elementos procesales organizados en niveles.3. Un sistema
de computacin compuesto por un gran nmero de elementos simples,
elementos de procesos muy interconectados, los cuales procesan
informacin por medio de su estado dinmico como respuesta a entradas
externas.4. Redes neuronales artificiales son redes interconectadas
masivamente en paralelo de elementos simples (usualmente
adaptativos) y con organizacin jerrquica, las cuales intentan
interactuar con los objetos del mundo real del mismo modo que lo
hace el sistema nervioso biolgico.Una red neuronal es un sistema
compuesto de muchos elementos procesadores simples operando en
paralelo, cuya funcin es determinada por la estructura de la red,
fuerza en las conexiones y el procesamiento realizado por los
elementos computacionales en los nodos.VENTAJAS aprendizaje
adaptativo autoorganizacin tolerancia a fallos operacin en tiempo
real fcil insercin dentro de la tecnologa existente
COMPONENTES DE UNA RED NEURONALA continuacin se puede ver un
esquema de una red neuronal:Ejemplo de una red neuronal totalmente
conectada.La misma est constituida por neuronas interconectadas y
arregladas en tres capas (esto ltimo puede variar). Los datos
ingresan por medio de la capa de entrada, pasan a travs de la capa
oculta y salen por la capa de salida. Cabe mencionar que la capa
oculta puede estar constituida por varias capas.Antes de comenzar
el estudio sobre las redes neuronales, se debe aprender algo sobre
las neuronas y de cmo ellas son utilizadas por una red neuronal. En
la siguiente figura se compara una neurona biolgica con una neurona
artificial. En la misma se pueden observar las similitudes entre
ambas (tienen entradas, utilizan pesos y generan salidas).
Comparacin entre una neurona biolgica (izquierda) y una
artificial (derecha).Mientras una neurona es muy pequea en s misma,
cuando se combinan cientos, miles o millones de ellas pueden
resolver problemas muy complejos. Por ejemplo el cerebro humano se
compone de billones de tales neuronas.
DESARROLLO DE UNA RED NEURONAL
Las redes neuronales se irn creando a medida que pasen los aos,
a travs del movimiento y de la estimulacin de los sentidos que
reciba de su entornoCiclo de vida de una red neuronalUna aplicacin
de redes neuronales artificiales, comprende varias fases o etapas,
para el desarrollo y validacin de la estructura se tienen las
siguientes fases: Definicin de la red neuronal.- Se determina el
nmero de neuronas de las capas de entrada, oculta y salida, as como
tambin las diferentes funciones de activacin que se utilizarn en
las neuronas de la capa oculta y salida. Entrenamiento de la red
neuronal.- En esta etapa se define el tipo de entrenamiento que se
realizar, si es aprendizaje supervisado o no supervisado, tambin se
determinan los algoritmos de entrenamiento. Utilizacin de la red
neuronal.- La fase de utilizacin es propiamente la ejecucin de la
estructura de la red, se inicia cuando se presenta una entrada a la
red y termina generando una salida en funcin a las entradas
proporcionadas. Mantenimiento de la red neuronal.- Sobre el
mantenimiento se puede decir que la mayora de las redes se entrenan
para solucionar problemas dinmicos, por lo tanto es necesaria e
indispensable una validacin continua para garantizar una buena
utilizacin. A medida que transcurra el tiempo podrn surgir nuevos
conjuntos de datos reales an desconocidos por la red, y de esta
forma, ser necesario un nuevo aprendizaje o, dependiendo del caso
realizar una nueva definicin.
En la Fig. N 8 se muestra las fases del desarrollo de una
estructura de red neuronal, ciclo de vida de la red neuronal.Una
red neuronal, consta de dos momentos de explicacin de su
procesamiento; el momento de aprendizaje y el momento de utilizacin
o aplicacin de la estructura de la red.
Fig. N 8: Ciclo de vida de una red neuronalCONSTRUCCIN DE
BLOQUES DE ALIMENTACIN ADELANTADA.
DISEO DE SISTEMAS BASADOS EN REDES NEURONALESUna forma de emular
la caracterstica propia del ser humano que son la capacidad de
memorizar, dar soluciones y de asociar hechos, son las REDES
NEURONALES que en los ltimos aos se han convertido en uno de los
instrumentos de uso frecuente.Los fabricantes de automviles emplean
redes neuronales en los vehculos como parte de la deteccin del
carril y sistemas de advertencia de respaldo.Tambin se han
desarrollado redes artificiales parael softwarede reconocimiento
facial desplegadas en los aeropuertos y en las granjas de sistemas
inteligentes de proteccin de cultivos.Redes neuronales artificiales
Optimizacin: La optimizacin se busca para saber sobre el neto total
de la produccin y cuanto de ingresos va a generar, o cuando la
empresa empieza a ganar mas dinero. Entre otros puntos.
Reconocimiento: Que pueda reconocer las imgenes y que identifique
cada letra o cada carcter. Generalizacion: En este caso ayudara a
saber sobre el cambio de clima, las posibles lluvias, o en que da
va haber un terremoto, etc.Tambin se podra saber cuando sube la
bolsa de valores, o cuando una empresa va a quebrar.IDENTIFICACIN Y
CONTROL DE SISTEMAS NOLINEALESLa identificacin de sistemas es un
proceso que se realiza para estimar un modelo matemtico a partir de
los datos experimentales del sistema.
APLICACIONESReconocimiento de Caracteres: El reconocimiento de
caracteres es cada vez ms importante en nuestra sociedad. Los
dispositivos manuales como la Palm Pilot son cada vez ms populares.
Las redes neuronales se pueden utilizar para reconocer caracteres
manuscritos.Medicina: Una de las reas que ha ganado la atencin es
el diagnstico cardiopulmonar. Un paciente puede tener chequeos
regulares en un rea particular, aumentando la posibilidad de
detectar una enfermedad o una disfuncin. Los datos pueden incluir
ritmo cardaco, la presin arterial, el ritmo respiratorio, etc. Los
modelos pueden incluir variaciones de edad, sexo y actividad fsica.
Los datos de cada individuo se comparan con los datos anteriores
y/o a los datos de los varios modelos genricos. Las desviaciones de
la norma se comparan a las causas sabidas de las desviaciones para
cada dolencia. La red neuronal puede aprender estudiando las
diversas condiciones y modelos, combinndolos para formar un cuadro
conceptual completo y despus diagnostica la condicin de un paciente
basada sobre los modelos.Compresin de imagen: La redes neuronales
pueden recibir y procesar extensas cantidades de informacin
inmediatamente, hacindolas tiles en la compresin de imagen. Con la
explosin del Internet y ms sitios usando ms imgenes en sus sitios,
las redes son una alternativa eficaz.
