Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Motivacin:
Los seres humanos a diferencia de otros seres vivos, son capaces de
asimilar lo que se encuentra en su entorno, a partir de la capacidad de
adquirir el conocimiento gracias a la inteligencia que posee. La
inteligencia se define como la capacidad de asimilar y elaborar
informacin y utilizarla adecuadamente.
La inteligencia est ligada con otras funciones mentales, como la
percepcin o la memoria. El encargado de recibir y procesar la
informacin es el cerebro. La transmisin de informacin dentro del
cerebro se produce mediante la actividad de clulas llamadas neurotransmisores que son capaces de provocar la activacin de impulso
nervioso.
El cerebro se compone de dos tipos de clulas neurotransmisoras: las
clulas quiliales que funcionan como tejido de soporte y las neuronas que
son la unidad bsica del sistema nervioso.
Se calculan que los humanos tenemos aproximadamente 1011 neuronas y 1015
conexiones sinpticas
dentro del cerebro que forman una red de neuronas
fsicamente interconectadas que reciben seales.
Las neuronas procesan dichas seales gracias a un
La principal caracterstica de las neuronas que
excitabilidad
de
la
membrana
plasmtica.
especializadas en la recepcin de estmulos y
nerviosos entre ellas o con otro tipo de clulas
los tejidos musculares.
proceso electroqumico.
conforman la red es su
Estas
se
encuentran
conduccin de impulsos
como las que conforman
Las entradas (xi) son colecciones de datos que provienen del DataSet y
se combinan a travs de la funcin de combinacin (), la cual es
entrada (No lineal usualmente) para una funcin de activacin () que
produce una salida de respuesta (y), la cual es entonces entrada para
otras neuronas.
Cules tipos de problemas son apropiados para una red neuronal?
o Una de las ventajas de utilizar redes neuronales es que ellas
son bastante robustas con respecto a datos ruidosos. Porque la
red contiene muchos nodos (neuronas artificiales), las cuales
asignan pesos para cada conexin, la red puede trabajar con
datos que no generen mucha informacin e incluso con datos
errneos que existan en el DataSet.
Por ejemplo, suponer que el rango del precio del artculo se encuentra
entre $20 y $30 y que la salida de la red neuronal fue 0.69. Entonces la
prediccin del precio del artculo en tres meses es:
Prediction = output(data range) + mnimum = 0.69($10)+$20 = $26.90
La
anterior
es
una
red
neuronal
simple,
que
contiene
capas,
realimentacin hacia adelante, red de neuronas artificiales completamente
conectadas. La realimentacin hacia adelante es restriccin natural en
las redes neuronales por lo cual no se permiten ciclos.
Las redes neuronales estn compuestas por dos o ms capas, a pesar que la
mayora de las redes consisten de tres capas: capa de entrada, una capa
oculta y una capa de salida. Puede haber ms de una capa oculta, a pesar
que la mayora de las redes contienen solamente una, la cual es
suficiente para la mayora de propsitos.
La red neuronal est completamente conectada, significa que cada nodo en
la capa dada est conectado con cada nodo de la siguiente capa.
Cada conexin entre nodos tiene un peso asociado. En la asignacin, estos
pesos son asignados randmicamente y los valores asignados estn entre 0
y 1.
El nmero de nodos de entrada usualmente dependen del nmero y tipo de
atributos del DataSet.
El nmero de capas ocultas y el nmero de nodos en cada capa oculta son
configurables por el usuario.
La red puede tener ms de un nodo en la capa de salida, dependiendo la
tarea de clasificacin particular de la red.
Cuntos nodos se deben tener en la capa oculta?
Entre ms nodos existan en la capa oculta, se incrementa el poder y
flexibilidad de la red para identificar patrones complejos, pero se debe
tener en cuenta que una capa oculta demasiado grande conduce a una
sobrecarga y sobre-entendimiento.
La capa de entrada acepta entradas desde el DataSet, tal como valores de
atributos, y simplemente pasa estos valores a lo largo de la capa oculta
sin ms transformacin. As, los nodos en la capa de entrada no comparten
el detalle de la estructura de los nodos de la capa oculta y los nodos de
la capa de salida.
Donde:
Donde,
Y = 1 / (1 + e-
) = 0.7892.
Entonces:
EJERCICIO:
El siguiente es un Data Set que contiene informacin resultado de una
investigacin del Largo y Ancho en centmetros, de los Spalos y Ptalos
de tres clases de flores (virgnicas, setosa, versicolor):
sepallength
7.7
5.1
5.6
sepalwidth
3.0
3.5
2.9
petallength
6.1
1.4
3.6
petalwidth
2.3
0.2
1.3
observacin por
cada registro (es decir, se esperan tres resultados de la red
1 por cada registro del Data Set), bajo las siguientes
restricciones:
1. Normalizar con min-max los valores del DataSet.
2. Para la red neuronal crear: una capa oculta con 2 nodos y una capa
de salida con 1 nodo.
3. La red neuronal debe estar conectada completamente.
4. Los pesos de las conexiones deben ser asignados randmicamente
asignando valores entre 0 y 1.
5. Para el Factor Constante de la red tomar los siguientes valores:
a. X0 = 1
b. W0_nodo1_capaOculta = 0.5
c. W0_nodo2_capOculta = 0.7
d. W0_nodoSalida = 0.6