Es un sistema compuesto por un gran número de elementos
básicos (Artificial Neurons), agrupados en capas (Layers) y que se encuentran
altamente interconectados (Synapses); Esta estructura posee varias entradas y
salidas, las cuales serán entrenadas para reaccionar (valores O), de una manera
deseada, a los estímulos de entrada (valores I).
Estos sistemas emulan , de una cierta manera, al cerebro
humano. Requieren aprender a comportarse (Learning) y alguien debe encargarse
de enseñarles o entrenarles (Training), en base a un conocimiento previo del
entorno del problema.
5.2.1. Conceptos básicos.
Existen numerosos conceptos
de redes neuronales; desde conceptos cortos y genéricos hasta las que intentan
explicar más detalladamente qué son las redes neuronales. Por ejemplo:
1) Una nueva forma de
computación, inspirada en modelos biológicos.
2) Un modelo matemático
compuesto por un gran número de elementos procesales organizados en niveles.
3) Un sistema de computación
compuesto por un gran número de elementos simples, elementos de procesos muy
interconectados, los cuales procesan información por medio de su estado
dinámico como respuesta a entradas externas.
4) Redes neuronales
artificiales son redes interconectadas masivamente en paralelo de elementos
simples (usualmente adaptativos) y con organización jerárquica, las cuales
intentan interactuar con los objetos del mundo real del mismo modo que lo hace
el sistema nervioso biológico.
5.2.2. Clasificación.
Red Neuronal Monocapa.
Se corresponde con la red neuronal más sencilla ya que se
tiene una capa de neuronas que proyectan las entradas a una capa de neuronas de
salida donde se realizan los diferentes cálculos.
Red Neuronal Multicapa.
Es una generalización de la anterior, existiendo un
conjunto de capas intermedias entre la capa de entrada y la de salida (capas
ocultas). Este tipo de red puede estar total o parcialmente conectada.
Red Neuronal Recurrente.
Este tipo de red se diferencia de las anteriores en la
existencia de lazos de realimentación en la red. Estos lazos pueden ser entre
neuronas de diferentes capas, neuronas de la misma capa o, entre una misma neurona.
Esta estructura la hace especialmente adecuada para estudiar la dinámica de los
sistemas no lineales.
5.2.3.
Desarrollos actuales y Aplicaciones.
Las redes neuronales
pueden utilizarse en un gran número y variedad de aplicaciones, tanto
comerciales como militares.
Se pueden desarrollar
redes neuronales en un periodo de tiempo razonable, con la capacidad de
realizar tareas concretas mejor que otras tecnologías. Cuando se implementan mediante
hardware (redes neuronales en chips VLSI), presentan una alta tolerancia a
fallos del sistema y proporcionan un alto grado de paralelismo en el procesamiento
de datos. Esto posibilita la inserción de redes neuronales de bajo coste en sistemas
existentes y recientemente desarrollados.
Hay muchos tipos
diferentes de redes neuronales; cada uno de los cuales tiene una aplicación
particular más apropiada. Algunas aplicaciones comerciales son:
Biología:
- Aprender más acerca
del cerebro y otros sistemas.
- Obtención de
modelos de la retina.
Empresa:
- Evaluación de
probabilidad de formaciones geológicas y petrolíferas.
- Identificación de
candidatos para posiciones específicas.
- Explotación de
bases de datos.
- Optimización de
plazas y horarios en líneas de vuelo.
- Optimización del
flujo del tránsito controlando convenientemente la temporización de los semáforos.
- Reconocimiento de
caracteres escritos.
- Modelado de sistemas para
automatización y control.
Medio ambiente:
- Analizar tendencias
y patrones.
- Previsión del
tiempo.
Finanzas:
- Previsión de la
evolución de los precios.
- Valoración del
riesgo de los créditos.
- Identificación de
falsificaciones.
- Interpretación de firmas.
No hay comentarios:
Publicar un comentario