Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin.
de
todo
el
mundo,
se
viene
comentando,
informando,
muchsimas
las
aplicaciones
en
las
cuales
se
han
obtenido
2.
El Modelo Fsico.
La teora y modelado de las RNA, o ms bien cmo se interpreta
2
organismo, posee un cuerpo celular, ms o menos uniforme, del que
sale una rama principal llamada axn y varias ramas cortas, llamadas
dendritas. A su vez, del extremo del axn nacen otras ramificaciones,
mediante las cuales la neurona se comunica con otras neuronas,
producindose la sinapsis.
Las neuronas, a travs de sus dendritas y axn, reciben seales
elctricas, pequesimos impulsos provenientes de otras neuronas o
de ellas mismas si son neuronas externas. Esta integra de alguna
forma todas las seales que le llegan, y puede excitarse, provocando
ella
un
impulso
que
le
ser
transmitido
otras
neuronas,
suma
de
sus
entradas)
determina
si
la
neurona
ser
no
se
activarn
absolutamente
no,
relacionada
comenzando
entre
millones
una
de
largusima
neuronas,
cadena
las
que
3
3.
El Modelo Artificial.
Para entender en profundidad el modelo artificial a partir del
recibe
entonces
el
nodo,
neurona
artificial
como
la
, es la salida de la neurona
correspondiente a la entrada
i, y wji
el peso
de la neurona j. Y si es la neurona
funcin de salida
f,
dependiendo el
4
neuronas de salida.
4.
la
5
tmese la siguiente red de tres capas con alimentacin hacia adelante
segn se muestra en la figura:
siendo:
X: Vector de entrada de dimensin 3x1.
W1: Matriz de pesos capa 1, de dimensin 3x3.
Y1: Vector de salida de la capa 1, de dimensin 3x1.
W2: Matriz de pesos capa 2, de dimensin 1x3.
Y2: Vector de salida de la capa 2, de dimensin 1x1.
W3: Matriz de pesos capa 3, de dimensin 2x1.
Y3: Vector de salida de la capa 3, de dimensin 2x1.
parte
importantsima
de
una
RNA,
es
su
funcin
de
identidad,
6
superior e
inferior respectivamente.
6.
problemas.
Aprendizaje de la Red.
Para que la red conozca situaciones, debe aprender, y para ello,
efecto de
7
decir, que para un vector de entrada determinado, el supervisor
indica o sabe cul es la salida esperada o deseada, en cambio en el
aprendizaje no-supervisado es la red la que clasifica las entradas,
de acuerdo a la correlacin entre los datos que se le presentan
durante el proceso de entrenamiento.
Dentro de los diferentes esquemas de entrenamiento o aprendizaje
para cada tipo, estn:
" Aprendizaje Supervisado
" Aprendizaje por correccin de error
" Perceptrn
" Regla Delta (Madaline)
" Backpropagation
" Counterpropagation
" Aprendizaje por refuerzo
" LRP (Linear Reward Penalty)
" ARP (Associative Reward Penalty)
" Adaptive Heuristic Critic
" Aprendizaje estocstico
" Mquina de Boltzmann
" Mquina de Cauchy
" Aprendizaje No-Supervisado
" Aprendizaje Hebbiano
" Hopfield
" Linear Associative Memory
" Fuzzy Associative Memory
" Grossberg
" Bidirectional Associative Memory
" Aprendizaje competitivo/cooperativo
" Learning vector quantizer
" Cognitrn/Neocognitrn
" Teora de Resonancia Adaptiva
7.
8
se puede analizar, como una primera muestra resumida y ya bastante
atrasada, el estudio llevado a cabo por la Agencia de Proyectos de
Investigacin Avanzada del Departamento de Defensa de los Estados
Unidos
(DARPA),
en
conjunto
con
el
Instituto
Tecnolgico
de
de
sonares.
continuacin
se
mencionarn
las
de
Piloto
automtico.
Deteccin
de
fallas
por
de
cheques
otros
documentos.
Evaluacin
de
aplicaciones de crditos.
" Electrnica.
#
Prediccin de secuencia de cdigos. Distribucin de elementos
en
Circuitos
Integrados.
Control
de
Procesos.
Anlisis
de
de
falsificaciones.
Interpretacin
reconocimiento de firmas.
" Manufactura.
Control de la produccin y del proceso. Anlisis y diseo de
productos. Diagnstico de fallas en el proceso y maquinarias.
Identificacin
9
papel.
Anlisis
de
mantenimiento
de
mquinas.
Modelamiento
dinmico
de
trayectoria.
Robots
elevadores.
de
frenos
en
camiones.
Sistemas
de
ruteo
seguimiento de flotas.
" Voz.
Reconocimiento
8.
Conclusiones.
Generalmente la ciencia ha estado ntimamente ligada a la
defensa.
Muchas
son
las
veces
en
que
las
nuevas
teoras,
10
modelos, configuraciones y aprendizaje, y viendo adems las actuales
aplicaciones implementadas o por desarrollar en todas las reas, nos
lleva a la ms lgica conclusin de que esta nueva tcnica puede
perfectamente ser aplicada en el mbito militar, y en los ms
diversos
usos.
Se debe, pues, continuar investigando y desarrollando nuevas
formas de implementar Redes Neuronales Artificiales, para as lograr
una Armada que marque pautas en el aspecto tecnolgico, y lo ms
importante, llegar a ser una Marina de Guerra autosuficiente y capaz
de desarrollar sus propios sistemas de armas, evitando la dependencia
econmica, tecnolgica y de seguridad nacional, contribuyendo adems
con ello al desarrollo del pas.
-----
BIBLIOGRAFIA
* Teniente Segundo.