Redes Neuronales - Introduccin

Introduccin:
Las redes neuronales son un elemento importante de las denominadas tecnologas de Inteligencia Artificial (IA). La IA es "la disciplina cientfica y tcnica que se ocupa del estudio de las ideas que permiten ser inteligentes a los ordenadores" (definicin de H. Winston). Otra posible definicin de la IA sera: rama de la computacin que se encarga, entre otras cosas, de los problemas de percepcin, razonamiento y aprendizaje en relacin con sistemas artificiales, y que tiene como reas de investigacin a los sistemas expertos y de conocimiento, la robtica, los lenguajes naturales y las redes neuronales. Y a pesar de que el objetivo final de la IA , dotar de autentica inteligencia a las mquinas, queda todava muy lejos (e incluso hay autores que defienden que esto nunca ser posible), la ciencia de la Inteligencia Artificial ha generado numerosas herramientas prcticas, entre las que se encuentran las redes neuronales. Las redes neuronales , tambin llamadas "redes de neuronas artificiales ", son modelos bastante simplificados de las redes de neuronas que forman el cerebro. Y, al igual que este, intentan "aprender " a partir de los datos que se le suministran. As, las principales caractersticas que diferencian a las redes neuronales de otras tecnologas de IA son: Su capacidad de aprendizaje a partir de la experiencia ( entrenamiento ). Normalmente, para la elaboracin de un programa informtico es necesario un estudio detallado de la tarea a realizar para despus codificarla en un lenguaje de programacin. Pero, las redes neuronales pueden ser entrenadas para realizar una determinada tarea sin necesidad de un estudiar esta a fondo ni programarla usando un lenguaje de programacin. Adems; las redes neuronales pueden volver a entrenarse para ajustarse a nuevas necesidades de la tarea que realizan, sin tenerse que reescribir o revisar el cdigo (cosa frecuente en programas tradicionales). Su velocidad de respuesta una vez concluido el entrenamiento. Se comportan tambin en este caso de manera similar a como lo hace el cerebro: los seres humanos no necesitamos pensar mucho para identificar un objeto, una palabra,... una vez hemos aprendido a hacerlo. Su robustez, en el sentido de que el conocimiento adquirido se encuentra repartido por toda la red, de forma que si se lesiona una parte se continan generando cierto numero de respuestas correctas (en este caso tambin hay cierta analoga con los cerebros parcialmente daados).

- Breve Historia:
La era moderna de las redes neuronales se cree que comenz en 1943 gracias a McCullough y Pitts, quienes describieron el clculo lgico de las redes neuronales y perfilaron el primer mdulo formal de una neurona elemental. En la dcada de los cincuenta, Minsky comienza a construir la primera neurocomputadora (basada en modelos de redes neuronales que imitan al cerebro). En 1962, Frank Rosenblatt presenta los resultados de una mquina a la que denomin "Perceptrn", la cual reproduca una estructura neuronal muy simplificada, capaz de aprender a reconocer y clasificar determinadas figuras. En la misma dcada, Minsky y Pappert (autoridades de la IA clsica) publicaron un libro en el que se ponan de manifiesto las limitaciones de los perceptrones de una capa. Esto har que se pierda inters en el campo de las redes neuronales hasta la dcada de los 80, en que el estudio de nuevas arquitecturas de redes y la mayor potencia de los ordenadores permiten el diseo de redes muy eficientes en tareas en las que otros procedimientos de tipo simblico encuentran dificultades. As, en 1982 J. Hopfield describe las "redes de Hopfield" en las que se utilizan funciones de energa para entender

http://perso.wanadoo.es/alimanya/intro.htm[05/04/2013 02:21:14 p.m.]

Redes Neuronales - Introduccin

las redes dinmicas. Cohen y Grossberg desarrollan en el 83 el principio de la memoria direccional. En 1986 Rumulhart, Hunton y Williams redescubren el algorismo de "back-propagation" (desarrollado en 1974 por Paul Werbor) para el aprendizaje de redes neuronales. Por estas fechas, y gracias a las nuevas tecnologas de fabricacin de microchips, comienzan a construirse redes neuronales implementadas en silicio (mucho ms rpidas que las de software). Actualmente, el uso de redes neuronales se ha extendido bastante en el mercado de software domstico, dejando de estar restringidas a los entornos de investigacin y a las grandes empresas. De esta forma, se pueden encontrar modelos de redes neuronales en programas de reconocimiento de voz, en juegos de ordenador, programas de contabilidad, tutores, y muchos otros.

-Aplicaciones de las redes neuronales:

Las caractersticas de las redes neuronales hacen que sus posibles aplicaciones sean muy amplias. Algunas de las aplicaciones ms destacadas son: Reconocimiento de patrones de clasificacin: Reconocimiento de voz, de caracteres manuscritos,... Anlisis y reconocimiento de imgenes, formas,... Diagnostico clnico. ... Anlisis de series temporales y prediccin: Modelos meteorolgicos. Prediccin del comportamiento. Prediccin de series temporales. ... Robtica Etc. Se ven as las amplias posibilidades que permite esta tecnologa, ya al alcance de cualquier programador.

-Implementacin en aplicaciones:
A la hora de implementar una red neuronal como parte de un programa o sistema informtico, se pueden distinguir 3 fases bsicas: Diseo: en esta fase se elige el tipo de red neuronal a usar (la arquitectura o topologa ), el nmero de neuronas que la compondrn,... Entrenamiento : en esta fase se le presentan a la red neuronal una serie de datos de entrada y datos de salida (resultados), para que a partir de ellos pueda aprender. Uso: se le suministran las entradas pertinentes a la red, y esta genera las salidas en funcin de lo que ha aprendido en la fase de entrenamiento.

http://perso.wanadoo.es/alimanya/intro.htm[05/04/2013 02:21:14 p.m.]