Bsicamente, una red neuronal (NN) est compuesta por un conjunto de
nodos. Cada nodo est conectado a los otros mediante un conjunto de enlaces. Se transmite informacin desde la entrada a la salida las clulas en funcin de la fortaleza de los vnculos. 28. Qu informacin se transmite entre clulas dependientes? Cuando la fase de aprendizaje se ha completado, el NN est dispuesta a reconocer la informacin entrante y para trabajar como un sistema de reconocimiento de patrones. Por ejemplo, es posible entrenar una red neuronal para reconocer fonemas. En este caso, el patrn de entrada podra ser una corta secuencia de sonido (en el que cada nodo codificacin la intensidad del sonido durante una subparte de la secuencia de sonido). La capa de salida es un conjunto de nodos, donde cada nodo representa un fonema especfico. 29. Describa la primera fase de funcionamiento de la red neuronal Por lo general, las redes neuronales funcionan en dos fases. La primera fase es una fase de aprendizaje en la que cada uno de los nodos y enlaces ajustar su fuerza a fin de coincidir con la salida deseada. Un algoritmo de aprendizaje est a cargo de este proceso.
30. Por qu en una red conexionista no podemos hablar de la
representacin, el contexto o la temporalidad?
Un ejemplo de una red conexionista. En este tipo de sistema, la
informacin que llega del sistema se distribuye entre un conjunto de nodos (o las neuronas) como una funcin de la intensidad de cada enlace. Los puntos fuertes de los vnculos se estn ajustando gradualmente mediante una formacin (o aprendizaje) mecanismo que compara el comportamiento real de la red con el comportamiento deseado. En este tipo de sistema, es imposible hablar de representacin, el contexto o temporalidad, desde todos estos factores estn incorporadas en un factor: la fuerza de las conexiones.
31. Mencione algunas de las funciones de una red neuronal
Ms de un punto de vista terico, las redes neuronales plantean el
problema de la funcin de representacin en la ciencia cognitiva debido
a que deben emular sistemas basados en reglas sin formular
explcitamente estas reglas.
Por otra parte, la misma red neural, debido a su capacidad de aprendizaje supervisado puede acumularse de su propia arquitectura a
fin de resolver un problema.
Por ltimo, pero no por ello menos importante, red neuronal debido a su capacidad de "memoria de contenido direccionable" puede trabajar en situaciones degradadas donde se encuentra la informacin que es un verdadero punto dbil con los tradicionales sistemas basados en reglas.
32. Qu representa el concepto de memoria direccionable?
Las redes neuronales son slidos: si eliminamos algunos nodos o
enlaces, el rendimiento del sistema se degrada sin problemas (no de manera brusca, con un sistema basado en reglas tradicionales), y tambin son capaces de "memoria de contenido direccionable": la capacidad de recuperar todo un conjunto de datos si slo una parte de lo que se evoca. Las redes neuronales son
excelentes
para
la
discriminacin,
reconocimiento
clasificacin y almacenar conjuntos de datos complejos.