Вы находитесь на странице: 1из 9

Martes, 9 de diciembre del 2014

INTRODUCCIN
En este captulo hablaremos de las Redes Neuronales Artificiales ya que estas
son aplicadas en diversos mbitos de la vida cotidiana, aqu conoceremos su
concepto, fundamentos biolgicos y su modelo computacional. Tambin en esta
seccin conoceremos las partes de la una neurona artificial y porque es
importante conocer ms de este tema.

OBJETIVO
Conocer ms de las Redes Neuronales Artificiales ya que este es un tema muy
importante para discutir en hora de clases. Y adems este es un tema importante
en nuestra sociedad ya que de esto dependen los avances tecnolgicos.

MARCO TERICO
1. INTRODUCCIN A LAS REDES NEURONALES
ARTIFICIALES
Dentro de la Inteligencia Artificial se pueden distinguir dos grandes reas. Una
se ocupa de la construccin de sistemas con caractersticas que se puedan
definir como inteligentes. A este campo se lo denomina Inteligencia Artificial
Simblica. En este caso, se define el problema a resolver y se disea el sistema
capaz de resolverlo siguiendo esquemas prefijados por la disciplina. Los
Sistemas Expertos siguen este esquema se introducen una serie de reglas
lgicas, que recogen el conocimiento de un experto sobre la materia, y mediante
mecanismos de inferencia parecidos a los que empleamos al razonar, se sacan
conclusiones.
El objetivo de las Redes de Neuronas Artificiales es llegar a disear mquinas
con elementos neuronales de procesamiento paralelo, de modo que el
comportamiento global de esa red emule, de la forma ms fiel posible, los
sistemas neuronales de los animales. Esto hace imprescindible el estudio
profundo de los mecanismos que rigen el comportamiento de los sistemas
neuronales.

1.1. FUNDAMENTOS BIOLGICOS DE LAS REDES NEURONALES.


El sistema de comunicacin neuronal se compone de tres partes:
Los receptores: Estn en las clulas sensoriales, recogen las
informaciones en forma de estmulos, bien del ambiente, o bien del interior
del organismo.
Sistema Nervioso: Recibe las informaciones, las elabora, en parte las
alacena y las enva en forma elaborada a los rganos efectores y a otras
zonas del sistema nervioso.
rganos diana o Efectores: Reciben la informacin y la interpretan de
acciones motoras, hormonales, etc.
El elemento estructural y funcional ms esencial, en el sistema de comunicacin
neuronal, es la clula nerviosa o neurona. La mayora de las neuronas utilizan
de la informacin. Dicha informacin se enva, entre las distintas neuronas, otra
parte conduce las informaciones, elaboradas en forma de rdenes, hacia los
efectores. Una de las prolongaciones es la encargada de la conduccin de
impulsos, se denomina axn, mientras que la sinapsis se la denomina zona de
contacto.
La misin de las neuronas comprende generalmente cinco funciones
particulares:
Las neuronas recogen la informacin que llega a ellas en forma de
impulsos procedentes de otras neuronas o de receptores.
La integran en un cdigo de activacin propio de la cedula.
La transmiten codificada en forma de frecuencia de impulsos a travs de
su axn.
A travs de sus ramificaciones el axn efecta la distribucin espacial de
los mensajes.
En sus terminales transmite los impulsos a las neuronas subsiguientes o
a las clulas efectoras.

Figura 1: Descripcin de una clula nerviosa tpica.


En este esquema se aprecia que la neurona consta de un cuerpo celular y un
ncleo, tambin cuenta con algunos elementos especficos que son:
Axn: Es una ramificacin de salida de la neurona. A travs de l se propagan
una serie de impulsos electro qumicos.
Dendritas: Propagan la seal al interior de la neurona.
Sinapsis: Recogen informacin electro qumica que procedente de las clulas
vecinas a las que la clula en cuestin est conectada. En otras palabras es la
unin entre axn y dendritas.

1.2.

MODELO COMPUTACIONAL

Existen modelos muy diversos de redes de neuronas en los cuales se siguen


filosficas de diseo, reglas de aprendizaje y funciones de construccin de las
respuestas muy distintas. Una primera clasificacin se hace en funcin del
recorrido que sigue la informacin dentro de la red, y as se distinguen redes
alimentadas hacia adelante y redes con retro alimentacin.

1.2.1. La neurona Artificial


Es un elemento que posee un estado interno, llamado nivel de activacin y recibe
seales que le permiten, en su caso, cambiar de estado.
Las neuronas poseen una funcin que les permite cambiar de nivel de activacin
a partir de las seales que reciben; a dicha funcin se la denomina funcin de
transicin de estado o funcin de activacin. Las seales que recibe cada
neurona pueden provenir del exterior o de las neuronas a las cuales est
conectada. El nivel de activacin de una clula depende de las entradas
recibidas y de los valores sinpticos, pero no de valores anteriores de estados
de activacin.

Figura 2. Esquema de una unidad de proceso tpica.

1.2.2. Estructura bsica de la red


Para una mejor explicacin en la figura 1.2. existe una unidad tpica de procese
de una Red de Neuronas Artificial. En la cual consta de entradas a la neurona;
cada una llega de la salida de otra neurona de la red. Una vez calculada la salida

de una neurona, esta se propaga, va conexiones de salida, a las clulas destino.


Todas las conexiones reciben el mismo valor de la salida.
A la manera en que las clulas se conecten entre si se la denomina patrn de
conectividad o arquitectura de la red.

Figura 3. Esquema de una red de tres capas totalmente interconectadas.

1.2.3. APRENDIZAJE
El esquema de aprendizaje de una red es lo que determina el tipo de problemas
que ser capaz de resolver. Las Redes de Neuronas Artificiales son sistemas de
aprendizaje basados en ejemplos. Desde el punto de vista de los ejemplos, el
conjunto de aprendizaje debe poseer las siguientes caractersticas:
Ser significativo: Debe haber un nmero suficiente de ejemplos. Si el
conjunto de aprendizaje es reducido, la red no ser capaz de adaptar sus
pesos de forma eficaz.
Ser representativo: Los componentes del conjunto de aprendizaje debern
ser diversos.
Dependiendo del esquema de aprendizaje y del programa a resolver, se pueden
distinguir tres tipos de esquemas de aprendizaje:
Aprendizaje supervisado: Para este tipo de aprendizaje se dice que hay un
profesor externo encargado de determinar si la red se est comportando
de forma adecuada, mediante la comparacin entre salida producida y la

esperada y de actuar en consecuencia modificando apropiadamente los


valores de los pesos.

Figura 4. Aprendizaje Supervisado


Aprendizaje no supervisado: En este los datos del conjunto de aprendizaje
solo tienen informacin de los ejemplos, y no hay nada que permita guiar
en el proceso de aprendizaje.

Figura 5. Aprendizaje no supervisado


Aprendizaje por refuerzo: Es el que no se dispone de informacin concreta
del error cometido por la red para cada ejemplo de aprendizaje, sino que
simplemente se determina si la salida producida para dicho patrn es o
no adecuada.

1.2.4. Beneficios de usar Redes Neuronales Artificiales


Generalizacin: Capacidad para producir respuestas razonables a
estmulos no presentados durante su entrenamiento.
Adaptabilidad: La red puede ser construida para adaptar sus pesos
sinpticos al medio ambiente (re-entrenar).

Robusta: Por su carcter distributivo, una red maneja muy bien daos
a su estructura (ruido).
Complejidad: Puede capturar comportamiento complejo que no es
posible con mtodos tradicionales.
No paramtrico: No hace suposiciones a priori. (Villasana. 2000)

CONCLUSIN
Despus de haber conocido ms de este tema he concluido que las Redes
Neuronales Artificiales es una herramienta diseada para emular la forma en que
el cerebro humano funciona, ya que es de mucha importancia alrededor de
nuestra vida cotidiana y es de esto que parte algunas aplicaciones que se dan
en la tecnologa.

A dems conocimos las partes de la neurona, sus fundamentos ya que es parte


primordial de la redes neuronales artificiales, es aqu la funcin principal que
tiene esta. Es por esto que no basta con conocer ms de ella, si no ponerla en
prctica y as tener ms conocimiento de lo que es la Redes Neuronales
Artificiales.

BIBLIOGRAFA
Galvn. I. and Isasi. P. 2004. Redes de Neuronas Artificiales. Formato:
PDF.

Villasana. M. 2000. Introduccin a las Redes Neuronales Artificiales.


Formato: PDF. Consultado: 14 Diciembre 2014. Disponible en:
http://prof.usb.ve/mvillasa/redes/Introduccion-vl.pdf