Академический Документы
Профессиональный Документы
Культура Документы
II.
ResumenEn el presente artculo se estudian las funciones
de activacion Satlin y Satlins, haciendo un mayor e nfasis en la
funcion Satlin porque es parte de la estructura del modelo de
red neuronal Hopfield. Matlab es utilizada para implementar la
red de Hopfield que permiten el reconociemiento de un patron
incompleto que ha sido ingresado, y se relaciona con el patron
almacenado en la memoria y lo asocia con el que mas se parezca.
Keywordsneural Networks, activation function, Satlin, Satlins,
Hopfield, matlab.
Palabras claves Redes neuronales, funcion activacion, Satlin,
Satlins, Hopfield, matlab.
I. I NTRODUCCI ON
Las redes Neuronales Artificiales RNA tiene su origen a
principios de la decada de los 50 nacio de la idea de tratar
de simular el comportamiento de las neuronas biologicas y la
forma en que estas se relacionan, para conseguir un aprendizaje
que se apegue lo mas posible a la del cerebro Humano. De
manera general una neurona artificial consta de entradas, pesos
sinapticos, una funcion de aprendizaje, funcion de activacion
el umbral y una salida.
Una funcion de activacion limita la amplitud de la salida de
una neurona, en este caso la funcion Satlin limita entre [o,1]
y Satlins tiene rangos de [-1,1]. Para las redes Hopfield que
se caracterizan por se monocapa, recursivas, metodo de aprendizaje no supervisado, y estas garantizan que entrenamiento
garantiza que las salidas son puntos de equilibrio.
Para el ejemplo planteado se pretende ingresar un patron
de numero (1,2,4) establecidos en vectores donde se utiliza 1
y -1 para representar su forma, de igual manera tendremos un
patron de numeros incompletos(mal dibujados) y se utilizara
una red Hopfield para que asocie el mismo con los puntos
A. Neurona Biologica
Antes de adentrarse en el mundo de las redes neuronales
artificiales es necesario tener al menos las nociones basicas
de las neuronas biologicas.El cerebro tiene aproximadamente
100.000 millones de celulas llamadas neuronas que son responsables de todas las funciones mentales, se piensa que cada
neurona posee alrededor de 10.000 y 30.000 enlaces con las
demas que la rodean [1]. Una de las caractersticas mas impresionantes del cerebro es que a pesar de la destruccion constante
de algunas de sus neuronas, esto no influye mayormente en el
desarrollo de sus funciones.
B. Neurona Artificial
Los estudios sobre neuronas artificiales se remontan a
principios de los anos 50, sin embargo, el mayor e xito en el
campo se vio en el ano 1958 con Frank Rosenblatt y su libro
Perceptron, donde se hacia mencion a la primera red neuronal
artificial orientada a la computacion. Para el ano 1969 Minsky
y Pappert publican el libro Perceptrons donde se describan
las limitaciones de los perceptrones aplicados a la resolucion
de sistemas no lineales como el de la compuerta xor, hasta
que gracias a las investigaciones aisladas de (Kohonen 1972),
(Anderson 1972) y (Grossberg 1987), se pudieron modelar
las redes neuronales multicapa, que daban solucion a los
problemas de no linealidad [3].
En sntesis una neurona artificial intenta simular mediante
la representancion de modelos matematicos los aspectos
y comportamientos de una neurona biologica. Se puede
definir a la red neuronal artificial como un procesador que
recibe una serie de entradas ya sean del mundo exterior o
internas(producidas al interior de otra neurona),las cuales
tendran pesos diferentes y seran procesadas generando en
su fase final una determinada salida. Como se describa
anteriormente a una neurona le pueden llegar muchas senales
de otras(sinapsis),estas sinapsis podran ser excitadoras(neurona
emisora activara a la neurona receptora ) o inhibidoras(neurona
emisora inhibira a la neurona receptora).
Grupo de entradas: xi
Pesos sinapticos: wi
capas. Dentro de una capa, las neuronas suelen ser del mismo
tipo. Se pueden distinguir tres tipos de capas:[5]
1) Satlin y Satlins: Satlin y Satlins son funciones de transferencia de neuronas artificiales. Las cuales calculan la salida
de una capa a partir de su entrada de red.[9,10]
Satlin: Funcion de saturacion lineal, para graficar una
funcion satlin en matlab se puede utilizar el comando
plot(n,a); donde n=matriz entrada de la red, a=satlin(n),
donde la variable a almacenara una matriz de mxn de
elementos comprendidos en el rango [0,1].[9]
C. Funciones de Activacion
Una funcion de activacion limita la amplitud de la salida
de una neurona puesto que aplana los lmites o el rango de
amplitud permisible de una senal de salida a un valor finito.[7]
Las neuronas artificiales tienen diferentes estados de activacion; algunas solamente dos, al igual, pero otras pueden
tomar cualquier valor dentro de un conjunto determinado. [8]
IV. C ONCLUSIONES
Hay un antes y un despues de la inteligencia artificial
desde que se publico el libro Perceptron de Rosenblatt,
hoy en da la inteligencia artificial esta tan arraigada
en la vida del hombre que su enfoque actual se ha
convertido en interdisciplinario.
Matlab se puede utilizar para disenar redes neuronales
artificiales, de una forma mas facil utilizando los comandos propios de esta herramienta y si se desea ampliar
mas su usabilidad se puede hacer uso del plugin toolbox
que trae incorporado.
Una red Hopfield es una red neuronal monocapa que
nos sirve para resolver problemas de memoria asociativa,
permitiendo simular perfectamente el aprendizaje que
tienen las personas en su vida al asociar determinado
objeto con algun patron ya aprendido anteriormente.
La funcion de activacion Satlin es utilizada en redes de
Hopfield, y nos permite, en este caso, que la entrada de
datos sea bipolar, es decir [-1,1], siendo de gran utilidad
a la hora de limitar las salidas de la red.
A la hora de construir una red Hopfield se debe tener
muy en cuenta la ortogonalidad y poseer un adecuada
numero de entradas puesto ya que la mala aplicacion
de estos factores haran que nuestra red converga hacia
valores de salida diferentes a los aprendidos.
[9]
Juan Carlos Gonzalez O. Student in Systems Engineering from the Universidad Nacional de Loja.
Loja- Ecuador. 2014.
R EFERENCES
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
C.
Novillo
y
M.
Guano,
IMPLEMENTACION
DE
UN
SISTEMA
DE
DETECCION
DE
INTRUSOS
UTILIZANDO INTELIGENCIA ARTIFICIAL, ESPOL. [En lnea]
http://bibdigital.epn.edu.ec/bitstream/15000/4566/1/CD-4187.pdf
,consulta realizada 30-Oct-14.
Sociedad
Andaluza
de
Matematicas,
FUNDAMENTOS
DE
LAS
REDES
NEURONALES,
[En
lnea]
http://thales.cica.es/rd/Recursos/rd98/TecInfo/07/capitulo2.html
31Oct-14,consulta realiza 31-Oct-2014.
L.
Espino,
INTRODUCCION
A
LAS
REDES
NEURONALES, Instituto Tecnologico de Costa Rica. [En lnea]
http://luisespino.com/pub/introduccionredesneuronales/luisespino.pdf,consulta
realizada 01-Oct-2014.
DE REDES NEURONALES ARTIFICIALES
J. Sotos, APLICACION
EN EL PROCESADO VERSATIL
DE SENALES
ELECTROCAR
DIOGRAFICAS,
Universidad Politecnica de Valencia. [En lnea]
https://riunet.upv.es/bitstream/handle/10251/17530/tesisUPV3934.pdf,
consulta realizada 01-Oct-2014
Borys Sarango R. Student in Systems Engineering from the Universidad Nacional de Loja. LojaEcuador. 2014.