Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RESUMEN
The term artificial neural networks used to generate pointless dreams and fears. Prosaically,
neural networks are data-processing techniques that are essentially understood at present;
they should be part of the toolbox of all scientists who want to make the most of the data
that are available to them, including performing previsions, designing predictive models,
recognizing patterns or signals, etc.
OBJETIVO
El fin de presente artículo es hacer llegar a la comunidad actuarial lo que es una red
neuronal o neural artificial muy brevemente, diversas aplicaciones en el mismo rubro y
mostrar un nuevo campo de trabajo que es la ciencia de datos.
DESARROLLO
El termino biológico red neuronal o neural artificial puede causar confusión, por lo tanto,
presentaremos la fundamentación matemática y algoritmos que sustentan las redes
neurales.
Varias aplicaciones serán descritas para ilustrar las áreas donde las redes neuronales
pueden proveer una eficiente y elegante solución como, por ejemplo, problemas de
ingeniería, filtración de información, modelado de procesos industriales, clasificación, score
de crédito.
Para conveniencia, una función lineal parametrizada será llamada neurona lineal.
Las variables de una neurona serán llamadas entradas de la neurona y su valor serán las
salidas. Una neurona se puede representar gráficamente como en la Figura 1. Esta
representación está inspirada biológicamente.
𝑣 = 𝑤0 + ∑ 𝑤𝑖 𝑥𝑖
𝑖=1
La función f es denotada como función activadora. Dicha función es una función sigmoide
(es decir una función con forma de S), como son las funciones tan ℎ o la función inversa
de la tan .
En la mayoría de las aplicaciones la salida 𝑦 de la neurona con entradas {𝑥𝑖 } esta dada por
𝑦 = tanh[𝑤0 + ∑𝑛−1
𝑖=1 𝑤𝑖 𝑥𝑖 .
Las redes neuronales prealimentadas es una función no lineal de sus entradas donde existe
la composición de las funciones con las neuronas además pueden ser representadas
gráficamente como un conjunto de neuronas conectadas entre sí, en donde la información
fluye en un solo sentido, de entrada, a salida.
Hasta aquí dejaremos la breve exposición de lo básico de las redes neurales y proseguiremos con
la enunciación de algunos ejemplos de la vida real.
Conclusiones
Podemos concluir que sino en mayoría talvez si una buena parte de los lectores del texto han
quedado con dudas y esclarecimiento del como algunas empresas trabajan como los bancos,
empresas farmacéuticas, departamentos de marketing y entre otras.
De igual manera debemos de tomar presente texto como un detonante de la curiosidad dirigido a
los amantes de las matemáticas y echar mano en explorar los nuevos textos y las nuevas técnicas
estadísticas y computacionales que en la actualidad están en desarrollo y así poder aportar algo de
nuestro conocimiento al mundo exterior, como ya vimos la aplicación de las redes neuronales es
más que extensa, el detalle se encuentra en que estemos capacitados para su optima aplicación y
dar resultados de interés y eficaces.
Bibliografía
(Dreyfus, 2004)