Академический Документы
Профессиональный Документы
Культура Документы
UNIVERSIDAD PERUANA DE
CIENCIAS E INFORMTICAS
CARRERA PROFESIONAL DE INGENIERA DE SISTEMAS
BS!EDA DE INFORMACI"N
IMPACTO DE LAS REDES NERONALES
ARTIFICIALES EN LA INTELIGENCIA ARTIFICIAL
PRESENTADO POR EL GRPO I
PARA OPTAR LA APROBACI"N DEL CRSO DE
INTELIGENCIA ARTIFICIAL
LIMA # PER
$%&'
P a ( e % ) *&
Redes Neuronales Artificiales
Resumen
En el presente trabajo, se introduce al lector en el campo de las redes neuronales artificiales
(RNA) - caractersticas generales, arquitecturas, reglas de aprendizaje, ejemplos ilustrativos
aplicaciones generales -, se realiza una revisi!n de las aplicaciones llevadas a cabo con
esta tecnologa en el campo de las conductas adictivas" #os resultados de las
investigaciones demuestran la capacidad de las RNA para predecir el consumo de drogas,
e$traer las caractersticas prototpicas del sujeto adicto seleccionar el tratamiento m%s
adecuado en funci!n de esas caractersticas" Aunque tales estudios son preliminares, los
resultados se pueden considerar prometedores, perfil%ndose las RNA como un potente
instrumento al servicio del profesional dedicado al campo de las conductas adictivas"
&alabras claves
'A, RNA, 'nteligencia Artificial, Redes Neuronales Artificiales
P a ( e & ) *&
Redes Neuronales Artificiales
Abstract
'n t(is paper, )e introduce to t(e reader in t(e field of artificial neural net)or*s (ANN)
-general features, arc(itectures, learning rules, illustrative e$amples and general
applications -, and )e revie) t(e applications carried out )it( t(is tec(nolog in t(e field
of addictive be(aviors" Results of researc( s(o) t(e capacit of ANN in order to predict
drug consumption, e$tract prototpe c(aracteristics of addicted subjects and c(oose t(e
treatment most appropiate according to t(ose c(aracteristics"
Alt(oug( t(ese studies are preliminar, t(e results can be qualified as ver promising+ so,
ANN are a po)erful tool for professional dedicated to field of addictive be(aviors"
,e )ords
A', ANN, Artificial 'ntelligence, Artificial Neuronal Net)or*
P a ( e $ ) *&
Redes Neuronales Artificiales
-abla de .ontenido
1 Introduccin+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ *
1.1 Antecedentes.+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ ,
1.2 Definicin del Problema+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ -
1.3 Objetivos de la Investigacin++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++-
1.4 i!tesis++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ .
1." #ustificacin+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ .
2 An$lisis de fundamento+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ .
2.1 %arco &erico++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ .
2.1.1 'structura de la &eor(a ) sus '*!licaciones Referenciales++++++++++++++++++++++++++++++++.
3 Pro!iedades++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ /
4 +lasificacin de las Redes ,euronales++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++/
/"0 +aracteri-acin tem!oral. 1e refiere a la caracterizaci!n temporal de las entradas"+++++++/
/"2 +aracteri-acin !or 'ntrenamiento. se refiere al aprendizaje seguido por la Red"+++++&%
/"3 Realimentacin.+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ &&
" +aracteri-acin de una Red ,euronal++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++&&
".1.1 Princi!ios /$sicos de la &eor(a+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++&*
".1.2 A!licacin de la &eor(a al Objeto de 'studio++++++++++++++++++++++++++++++++++++++++++++++++++&/
".2 %arco +once!tual++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++$$
".2.1 &abla de los Princi!ales +once!tos &ericos+++++++++++++++++++++++++++++++++++++++++++++++++++$$
".3 'stado del Arte++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ $$
0 +onclusiones+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ $0
1 Recomendaciones++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ $0
1.1 &emas !ara 2uturas Investigaciones+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++$0
3 Referencias documentales++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++$0
4 /ibliograf(a++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ *%
1 Introduccin
P a ( e * ) *&
Redes Neuronales Artificiales
El (ombre se (a caracterizado siempre por su b4squeda constante de nuevas vas para
mejorar sus condiciones de vida" Estos esfuerzos le (an servido para reducir el trabajo en
aquellas operaciones en las que la fuerza juega un papel primordial" #os progresos
obtenidos (an permitido dirigir estos esfuerzos a otros campos, como por ejemplo, a la
construcci!n de m%quinas calculadoras que auden a resolver de forma autom%tica r%pida
determinadas operaciones que resultan tediosas cuando se realizan a mano"
5no de los primeros en acometer esta empresa fue .(arles 6abbage, quien trat!
infructuosamente de construir una m%quina capaz de resolver problemas matem%ticos"
&osteriormente otros tantos intentaron construir m%quinas similares, pero no fue (asta la
1egunda 7uerra 8undial, cuando a se dispona de instrumentos electr!nicos, que se
empezaron a recoger los primeros frutos" En 09/: se constru! la primera computadora
electr!nica, EN'A." ;esde entonces los desarrollos en este campo (an tenido un auge
espectacular"
Estas m%quinas permiten implementar f%cilmente algoritmos para resolver multitud de
problemas que antes resultaban engorrosos de resolver" 1in embargo, se observa una
limitaci!n importante< =qu> ocurre cuando el problema que se quiere resolver no admite un
tratamiento algortmico, como es el caso, por ejemplo, de la clasificaci!n de objetos por
rasgos comunes? Este ejemplo demuestra que la construcci!n de nuevas m%quinas m%s
vers%tiles requiere un enfoque del problema desde otro punto de vista" #os desarrollos
actuales de los cientficos se dirigen al estudio de las capacidades (umanas como una
fuente de nuevas ideas para el dise@o de las nuevas m%quinas" As, la inteligencia artificial
es un intento por descubrir describir aspectos de la inteligencia (umana que pueden ser
simulados mediante m%quinas" Esta disciplina se (a desarrollado fuertemente en los 4ltimos
a@os teniendo aplicaci!n en algunos campos como visi!n artificial, demostraci!n de
teoremas, procesamiento de informaci!n e$presada mediante lenguajes (umanos""" etc"
#as redes neuronales son m%s que otra forma de emular ciertas caractersticas propias de los
(umanos, como la capacidad de memorizar de asociar (ec(os" 1i se e$aminan con
atenci!n aquellos problemas que no pueden e$presarse a trav>s de un algoritmo, se
observar% que todos ellos tienen una caracterstica en com4n< la e$periencia" El (ombre es
capaz de resolver estas situaciones acudiendo a la e$periencia acumulada" As, parece claro
que una forma de apro$imarse al problema consista en la construcci!n de sistemas que sean
capaces de reproducir esta caracterstica (umana"
En definitiva, las redes neuronales no son m%s que un modelo artificial simplificado del
cerebro (umano, que es el ejemplo m%s perfecto del que disponemos para un sistema que es
capaz de adquirir conocimiento a trav>s de la e$periencia" 5na red neuronal es Aun nuevo
P a ( e ' ) *&
Redes Neuronales Artificiales
sistema para el tratamiento de la informaci!n, cua unidad b%sica de procesamiento est%
inspirada en la c>lula fundamental del sistema nervioso (umano
1.1 Antecedentes.
En esta presentaci!n se describe una breve (istoria de las Redes Neuronales (RN), se
presentan algunas definiciones de RN, as como sus ventajas desventajas, con el fin de
identificar los conceptos b%sicos fundamentos de redes neuronales"
093: - Alan -uring" Bue el primero en estudiar el cerebro como una forma de ver el mundo
de la computaci!n"
8c.ullog( &itts realizaron en 09/3 un estudio biol!gico del cerebro obteniendo un
modelo formal de neurona, con lo que introdujeron as el concepto de umbral< una neurona
responde a un cierto estmulo siempre que >ste sobrepase un cierto umbral de activaci!n"
&osteriormente, en 09/9, Cebb desarroll! el Hebbian Learning: aprendizaje mediante
adaptaci!n de sinapsis o reforzamiento de las cone$iones"
En 09D9, Rosenblat defini! el perceptr!n, uno de los conceptos m%s importantes dentro
del desarrollo de las Redes Neuronales< el perceptr!n consiste en una estructura m%s una
regla de aprendizaje o regla del perceptr!n" Esa estructura es la combinaci!n de una
neurona una funci!n de salida que es la que define el umbral de activaci!n" #a misi!n de
la neurona es implementar una combinaci!n lineal de las entradas" .ada entrada posee un
peso, que se adapta temporalmente" Es esto lo que se conoce como aprendizaje"
8is* &apert desarrollaron en 09:9 un perceptr!n unicapa que consegua una
clasificaci!n de primer orden (EFR)" 1e plante! entonces el problema del entrenamiento de
varias capas" As, en 09G/ Herbos defini! el algoritmo de retropropagaci!n el uso de la
funci!n sigmoidal como funci!n de salida de un perceptr!n" El algoritmo de
retropropagaci!n permite modificar los pesos partiendo de la 4ltima capa (asta la inicial
bas%ndose en el error cometido en la iteraci!n anterior" Ese error es la diferencia entre la
salida de la Red Neuronal la salida real que deberamos (aber obtenido" .omo el
algoritmo de retropropagaci!n est% basado en la derivada del error, se decidi! utilizar la
funci!n sigmoidea en vez del escal!n para representar el umbral de activaci!n (la funci!n
escal!n tiene derivada infinita en el origen)"
&osteriormente se desarrollaron otros tipos de redes< ,o(onen en los GI cre! los mapas
topol!gicos las memorias asociativas, en 09J2 Copfield defini! las redes de Copfield"
P a ( e , ) *&
Redes Neuronales Artificiales
Binalmente, en 09J: Rumel(art 8c.lelland desarrollaron el perceptr!n multicapa,
populariz%ndose as el algoritmo de retropropagaci!n" En 09J9, .ben*o, Corni* et al"
Buna(as(i definieron el perceptr!n multicapa como el apro$imador universal
1.2 Definicin del Problema
=.u%l es el impacto de las redes neuronales en la inteligencia artificial?
1.3 Objetivos de la Investigacin
;eterminar el impacto de las redes neuronales en la inteligencia artificial por ejemplo
'mpacto social
'mpacto tecnol!gico
'mpacto ambiental
'mpacto econ!mico
Redes neuronales !ara el monitoreo ambiental
5n soft)are de amplia aplicabilidad que sirve para la predicci!n de contaminantes
del aire, es desarrollado por investigadores de 6a(a 6lanca
El trabajo de los cientficos se (a concentrado en la aplicaci!n de Redes Neuronales
Artificiales (RNAs)" #a red debe entrenarse para cada contaminante especfico"
En particular, estas investigaciones est%n focalizadas en la ciudad de 6a(a 6lanca,
su polo petroqumico su puerto de granos" .omo primera etapa, se (a preparado
una red para la predicci!n de concentraci!n del &80I" Este modelo servir% para
disparar alertas tempranas de &80I en el observatorio local, en cuo dise@o se est%
trabajando actualmente
El &80I es material s!lido o lquido suspendido en la atm!sfera, que se refiere a la
medida de ciertas partculas atmosf>ricas cuo di%metro es menor o igual a 0I
micr!metros"
1abemos que los niveles crecientes de partculas finas en el aire est%n asociados a
riesgos en la salud (por ejemplo enfermedades del coraz!n, alteraci!n de las
funciones pulmonares, c%ncer de pulm!n, etc)"
!ronstico de inflacin en costa rica. una estimacin con redes neuronales
Este documento se enmarca dentro de la investigaci!n desarrollada por el 6anco
P a ( e - ) *&
Redes Neuronales Artificiales
.entral de .osta Rica para pronosticar la inflaci!n" 8ejorar complementar los
ejercicios de pron!stico de la inflaci!n son de suma importancia para el dise@o e
implementaci!n de la poltica monetaria , en consecuencia para el logro del
objetivo esencial de estabilidad interna e$terna de la moneda nacional
encomendado a la 'nstituci!n"
E$iste consenso en que la inflaci!n, en el mediano largo plazo, tiene un origen
estrictamente monetario, raz!n por la cual es de esperar que los agregados
monetarios contengan informaci!n 4til acerca de la direcci!n futura de la inflaci!n
1.4 i!tesis
8edir el impacto del estudio de las Redes Neuronales Artificiales en la 'nteligencia
Artificial
#a Red Neuronal Artificial es la implementaci!n del pensamiento ejecuci!n de ideas del
cerebro (umano en m%quinas artificiales"
1." #ustificacin
2 An$lisis de fundamento
$+& %arco &erico
$+&+& 'structura de la &eor(a ) sus '*!licaciones Referenciales
1. Definiciones de una Red ,euronal
E$isten numerosas formas de definir a las redes neuronales+ desde las definiciones cortas
gen>ricas (asta las que intentan e$plicar m%s detalladamente qu> son las redes neuronales"
&or ejemplo<
5na nueva forma de computaci!n, inspirada en modelos biol!gicos"
5n modelo matem%tico compuesto por un gran n4mero de elementos procesales
organizados en niveles"
P a ( e . ) *&
Redes Neuronales Artificiales
5n sistema de computaci!n compuesto por un gran n4mero de elementos simples,
elementos de procesos mu interconectados, los cuales procesan informaci!n por
medio de su estado din%mico como respuesta a entradas e$ternas"
Redes neuronales artificiales son redes interconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) con organizaci!n jer%rquica, las
cuales intentan interactuar con los objetos del mundo real del mismo modo que lo
(ace el sistema nervioso biol!gico
2. 5entajas 6ue Ofrecen las Red ,euronal
;ebido a su constituci!n a sus fundamentos, las redes neuronales artificiales presentan un
gran n4mero de caractersticas semejantes a las del cerebro" &or ejemplo, son capaces de
aprender de la e$periencia, de generalizar de casos anteriores a nuevos casos, de abstraer
caractersticas esenciales a partir de entradas que representan informaci!n irrelevante, etc"
Esto (ace que ofrezcan numerosas ventajas que este tipo de tecnologa se est> aplicando
en m4ltiples %reas" Entre las ventajas se incluen<
A!rendi-aje Ada!tativo. .apacidad de aprender a realizar tareas basadas en un
entrenamiento o en una e$periencia inicial"
Auto7organi-acin. 5na red neuronal puede crear su propia organizaci!n o
representaci!n de la informaci!n que recibe mediante una etapa de aprendizaje"
&olerancia a fallos. #a destrucci!n parcial de una red conduce a una degradaci!n
de su estructura+ sin embargo, algunas capacidades de la red se pueden retener,
incluso sufriendo un gran da@o"