Definiciones

Consisten de unidades de procesamiento que intercambian datos o informacin. Se utilizan para reconocer patrones, incluyendo imgenes, manuscritos y secuencias de tiempo (por ejemplo: tendencias financieras). Tienen capacidad de aprender y mejorar su funcionamiento

VENTAJAS

Aprendizaje Adaptativo. Auto-organizacin. Tolerancia a fallos. Operacin en tiempo real. Fcil insercin dentro de la tecnologa existente.

Aprendizaje adaptativo.

aprenden a llevar a cabo ciertas tareas mediante un entrenamiento con ejemplos ilustrativos

Autoorganizacin

emplean su capacidad de aprendizaje adaptativo para auto-organizar la informacin que reciben durante el aprendizaje y/o la operacin

Tolerancia a fallos

La razn por la que las redes neuronales son tolerantes a los fallos es que tienen su informacin distribuida en las conexiones entre neuronas, existiendo cierto grado de redundancia en este tipo de almacenamiento

Operacin en tiempo real

Una de las mayores prioridades, casi en la totalidad de las reas de aplicacin, es la necesidad de realizar procesos con datos de forma muy rpida. Las redes neuronales se adaptan bien a esto debido a su implementacin paralela

Fcil insercin dentro de la tecnologa existente una red puede ser rpidamente entrenada, comprobada, verificada y trasladada a una implementacin hardware de bajo coste

Elementos bsicos

Elementos Bsicos 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.

Funcin de entrada (input function)

combinar estas simples entradas (ini1, ini2, ...) dentro de la entrada global, gini. Esto se logra a travs de la funcin de entrada, la cual se calcula a partir del vector entrada. La funcin de entrada puede describirse como sigue:
Inputi = (ini1 wi1)* (ini2 wi2)*... (inin win)

donde: * representa al operador apropiado (por ejemplo: mximo, sumatoria, productoria, etc.), n al nmero de entradas a la neurona Ni y wi al peso.

Funcin de activacin (activation function)

La funcin activacin calcula el estado de actividad de una neurona; transformando la entrada global (menos el umbral, i) en un valor (estado) de activacin, cuyo rango normalmente va de (0 a 1) o de (1 a 1). Esto es as, porque una neurona puede estar totalmente inactiva (0 o 1) o activa (1). La funcin activacin, es una funcin de la entrada global (gini) menos el umbral (i)

Funcin de salida (output function)

La funcin de salida determina que valor se transfiere a las neuronas vinculadas. Si la funcin de activacin est por debajo de un umbral determinado, ninguna salida se pasa a la neurona subsiguiente

Niveles o capas de una red neuronal

De entrada: es la capa que recibe directamente la informacin proveniente de las fuentes externas de la red. Ocultas: son internas a la red y no tienen contacto directo con el entorno exterior. El nmero de niveles ocultos puede estar entre cero y un nmero elevado. Las neuronas de las capas ocultas pueden estar interconectadas de distintas maneras, lo que determina, junto con su nmero, las distintas topologas de redes neuronales. De salidas: transfieren informacin de la red hacia el exterior.

TOPOLOGAS
Redes monocapa. Redes multicapa. Conexin entre neuronas Redes de propagacin hacia atrs (backpropagation)