Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
La informtica es algo que evoluciona constantemente y por ello cada da hecha mano de todo
lo que pueda ayudar en su desarrollo.Hoy tratare de explicaros como las Redes de Neuronas
del cuerpo humano han contribuido en el campo de la informtica.
El estudio de las neuronas del ser humano y su comportamiento han sido de utilidad para la
creacin de programas.Se trata de simular el comportamiento de estas neuronas para
desarrollar software.
Las Redes de Neuronas Artificiales tratan de emular el Sistema Nervioso Central (SNC) del
ser humano tanto en su estructura como en su funcionamiento.Se consigue as desarrollar
programas que permitan realizar tareas bastante complejas:
* Reconocimiento de imagenes
* Previsin de la evolucin de los precios.
* Reconocimiento de voz y otros patrones
* Clasificacin de imagenes
* Algoritmos genticos para crear controladores para robots.
* Optimizacin del flujo del trnsito controlando convenientemente la temporizacin de los
semforos.
* Optimizacin de plazas y horarios en lneas de vuelo.
Hace unos aos trabaje con estas redes al estudiar en la Universidad los Sistemas
Conexionistas as que os explicare como simulamos estas redes en nuestros computadores.
El SNC es considerado como la estructura nica mas compleja del universo.Su objetivo es
recibir informacin (Estimulo), codificarla y trasmitirla a un destino donde se producir un
trabajo (Respuesta).El ejemplo mas sencillo es si acercas tu mano a la llama de una
cerilla.Recibes un estimulo, este es codificado y trasmitido como Respuesta a tu mano para
que la apartes del fuego.
Una Red de Neuronas Artificial RNA se compone de una serie de elementos llamados
Elemetos de Procesado (PE), habra uno por cada dato del exterior que usemos en nuestro
programa.Entre los PE hay conexiones mediante los cuales se intercambian informacin.
Estos PE se caracterizan por:
* Entradas: Son la representacin numrica de los datos de entrada.
* Pesos: Son una manera de ponderar las entradas.El valor de estos pesos indica la
Percetron con 2 entradas(X1,X2) y sus dos pesos (W1,W2) y con una salida Y
El aprendizaje consistir en conseguir que la red vaya reconociendo las entradas que son
importantes en el problema que tiene que resolver y las que no son necesarias.Existen
muchos tipos de aprendizaje para la red:por correccin de error,por refuerzo,competitivo....
Existen muchos tipos de redes para usar en nuestros programas:Adaline, Perceptron,
Perceptron multicapa, Redes de Base Radial, Redes Auto-organizativas etc.Cada una
apropiada para resolver un tipo de problema.Y cada red puede configurarse como mas nos
convenga usando mas o menos PE,capas etc.
Trato de que os deis cuenta de que trabajar con estos sistemas es algo complejo pero si los
manejas bien puedes crear programas realmente tiles.