Redes

Neuronales

Por: Jorge Fierro
Origen

Los primeros conceptos sobre redes neuronales
fueron proporcionados en el ao de 1943 por
Walter Pitts y Warren McCulloch. La
investigacin publicada sobre las redes
neuronales sirvi de fundamentos para otras
investigaciones realizadas en aos prximos,
simularon la red neuronal con circuitos
elctricos.

Red neuronal Artificial

Las redes neuronales artificiales son inspiradas
en las redes neuronales biolgicas que pueden
ser implementadas en dispositivos electrnicos
o computadoras, permitiendo el procesamiento
de gran cantidad de informacin, capacidades
de aprendizaje y entrenamiento con informacin
proporcionada o almacenada, utilizadas en
diversas reas para el procesamiento paralelo,
tolerancia a falos, etc.
Estructura de la Red Neuronal
(Artificial Biolgica)

Las redes neuronales artificiales tienen la
siguiente estructura Figura 1:

Tipos de redes neuronales

Las redes neuronales estn compuertas por
nodos conectadas por medio de conexiones
dirigidas, las conexiones sirven para propagar las
activaciones:
Las entradas son impulsos de otras neuronas.
Los pesos son intensidades que conectan dos
neuronas
Funcin de activacin es el valor que la
neurona recibe para activarse

Perceptrn simple
El Perceptrn simple desarrollada en 1957 por el
psiclogo Frank Rosenblatt. Este tipo de red
intentaba asemejarse a las redes biolgicas aunque
el perceptrn simple es relativamente sencillo y no
posee muchas aplicaciones su desarrollo fue
fundamental para que se desarrollen con la
utilizacin del perceptrn aplicaciones en los
sistemas informticos. Rosenblatt demostr con la
utilizacin del perceptrn se podan clasificar
patrones correctamente. La regla de adaptacin del
perceptrn permite ajustar los pesos de la neurona
permitiendo obtener distincin de los datos.

Estructura de la red

La estructura del perceptrn simple Figura (2), la
neurona de salida del Perceptrn es la suma de las
entradas, resta el umbral y pasa el resultado a una
funcin de transferencia de tipo escaln.

Perceptrn multicapa
Un Perceptrn multicapa se caracteriza porque
permite la entrada de datos hacia delante, esta
formada por varias capas de neuronas entre la
entrada y la salida, es mas complejo que el
perceptrn simple porque posee muchas capas
y toma de decisiones entre ellas.

Estructura de la red

La estructura del perceptrn multicapa Figura
(3), posee muchas neuronas de entrda y salida:

Aplicaciones redes neuronales
Permite el procesamiento de imgenes
Reconocimiento de patrones
Mejores interfaces usuarios - computador
Prediccin
Filtrado de seales
Anlisis econmicos, financiera de las empresas
Cambios en la tendencia del mercado

Inconvenientes
El aprendizaje de grandes cantidades de
informacin es complejo.
El entrenamiento que esta sometido una red
neuronal es elevado ocupando altos requisitos
de memoria computacional.
Para un ptimo aprendizaje necesita grandes
volmenes de informacin proporcionada por
un programador.