INTRODUCCIÓN
Los
primeros programas de computadoras se guiaban mediante los algoritmos,
diferencia principal de una maquina conexionista de una convencional, ya que la
conexionista como su nombre lo indica, posee una serie de conexiones las cuales
le permite tener una resolución de problemas de manera más eficaz y sin
necesidad de tener un algoritmo que lo resuelva.
Dentro
de este capítulo vamos a conocer la composición de un modelo computacional de
redes neuronales, el funcionamiento de una neurona artificial, es decir, como
reciben o envían información.
MARCO TEÓRICO
Una red
neuronal artificial al igual que una biológica está formada por un sinnúmero de
conexiones entre las neuronas artificiales que existan.
En la
actualidad existen diversos modelos de redes neuronales y en cada uno de ellos
se presenta una filosofía diferente, es decir cada modelo de red es creado para
una o varias funciones en específico.
EL SISTEMA DE COMUNICACIÓN DE UNA RED NEURONAL ARTIFICIAL
El
sistema de comunicación de una red neuronal artificial al igual que una
biológica se compone de tres partes:
Los receptores (Patrones de Entradas).- O
también llamada Capa de entrada, esta capa es en donde se presentan los datos a
la red, las capas de entrada se comunican con las capas ocultas.
El sistema Nervioso (Capas Ocultas).- Estas
capas ocultas como su nombre lo indica no tiene contacto con el exterior, sin
embrago es en estas capas en donde se procesa la información recibida, las
capas ocultas se comunican con las capas de salida o a otras capas ocultas.
Órganos Dianas o efectores (Patrones de
Salida).- También llamadas capas de salida, estas capas son las
encargadas de mostrar la información recibidas de las capas ocultas.
ESTRUCTURA BÁSICA DE LA RED
Como
se menciono anteriormente una red neuronal artificial básica esta formada por
una serie de capas, las primeras capas son denominadas capas de entrada y son
las que reciben la información del medio, estas a su vez se comunican con las
capas ocultas, las cuales no tienen contacto con el exterior, pero su función
es de vital importancia ya que estas son las encargadas del procesamiento de la
información que le envían las capas de entrada, una vez procesada la información
las capas ocultas la envían a la capa de salida, las cuales se encargan de
mostrar dicha información.
Como
se puede apreciar en la imagen la estructura de la red neuronal es bastante
simple aunque su funcionamiento es un poco más complejo.
APRENDIZAJE
El
aprendizaje de una red de neuronas artificiales consiste en la determinación de
los valores de los pesos para todas sus conexiones, que la capacite para la
resolución eficiente de un problema. (Hilera,
J y Martinez, V. 2000)
En esta red el aprendizaje se va dando
paulatinamente cada vez que se introduzca un ejemplo dentro de la misma, la red
guardara la información necesaria para poder en un futuro resolver un problema
del mismo tipo sin necesidad de otro ejemplo.
CONCLUSIONES
La red
de neuronas artificiales al igual que una biológica es la parte más importante
en un agente, ya que es esta la que le permite resolver diversos tipos de
problemas, aunque aún no se ha podido crear una red similar al cerebro humano
se avanza en investigaciones para lograrlo algún día.
Para
que la red artificial pueda funcionar de buena manera (en resolución de
problemas), es necesario que esta tenga un tipo de aprendizaje, esto para
evitar la implementación de nuevos módulos a cada momento.
BIBLIOGRAFÍA
Viñuela, P y Galván, I. 2004. Redes de Neuronas
artificiales. Un enfoque práctico. Pearson education. Madrid. p 1-5.
Hilera, J y
Martinez, V. 2000. Redes neuronales artificiales. Alfaomega. Madrid España.
Basogain,
X. 2010. Redes Neuronales Artificiales y sus aplicaciones. Escuela Superior de
Ingenieria de Bilbao. En línea. Consultado 27 de diciembre 2014. Formato
PDF. Disponible en: http://www.ciberesquina.una.edu.ve:8080/2014_2/350_E.pdf
Teahan,
W. 2010. Artificial Intelligence – Agents and Environments. (En Línea). EC. Consultado, 1 de Dic 2014. Formato PDF.
Disponible en: http://www.bookboon.com.
No comments:
Post a Comment