Redes Neuronales

Redes Neuronales

Una red neuronal es un sistema compuesto por un gran número de elementos básicos (Artificial Neurons), agrupados en capas (Layers) y que se encuentran altamente interconectados (Synapses); Esta estructura posee varias entradas y salidas, las cuales serán entrenadas para reaccionar (valores O), de una manera deseada, a los estímulos de entrada (valores I), Estos sistemas emulan, de una cierta manera, al cerebro humano. Requieren aprender a comportarse (Learning) y alguien debe encargarse de enseñarles o entrenarles (Training), en base a un conocimiento previo del entorno del problema.

La neurona artificial es un elemento que posee entradas, salida y memoria la cual se la puede realizar mediante software o hardware. Posee entradas (I) que son ponderadas (w), sumadas y comparadas con un umbral (t).

s = I1 * w1 + I2 * w2 + … + In * wn – t

o = f (s)

Una señal computada de esa manera, es tomada como argumento para una función no lineal (f), la cual determinará el tipo de neurona y en parte el tipo de red neuronal (Neural Network). Esta función puede tener diferentes formas, siendo la más comun la función sigmoidal (Sigmoid Function). A continuación se presentan algunos ejemplos:

Esta tecnología es muy útil en unos pocos y muy especiales problemas. A grandes rasgos, estas aplicaciones son aquellas en las cuales se dispone de un registro de datos y nadie sabe exactamente la estructura y los parámetros que pudieran modelar el problema. En otras palabras, grandes cantidades de datos y mucha incertidumbre en cuanto a la manera de como estos son producidos.

Como ejemplos de las aplicaciones de las redes neuronales se pueden citar: las variaciones en la bolsa de valores, los riesgos en préstamos (Forecasting), el clima local, el reconocimiento de patrones en rostros (Face Pattern Recognition) y la minería de datos (data mining).

Construcción de una red neuronal.

Se pueden realizar de varias maneras. Por ejemplo en hardware utilizando transistores a efecto de campo (FET) o amplificadores operacionales, pero la mayoría de las RN se construyen en software, esto es en programas de computación.

Existen muy buenas y flexibles herramientas disponibles en internet que pueden simular muchos tipos de neuronas, conexiones sinápticas (Synapses) y estructuras.

Estructura de una red neuronal

Es la manera como las unidades (artificial neurons) comunican sus salidas a las entradas de otras unidades. Por lo general estas agrupadas en capas, de manera tal, que las salidas de una capa están completamente conectadas a las entradas de la capa siguiente; en este caso decimos que tenemos una red completamente conectada. Es posible tener redes en las cuales sólo algunas de las unidades están conectadas, también podemos tener conexiones (Synapses) de realimentación, conectando algunas salidas hacia entradas en capas anteriores (no se confunda esto con el “back propagation”).

Para obtener un resultado aceptable, el número de capas debe ser por lo menos tres. No existen evidencias, de que una red con cinco capas resuelva un problema que una red de cuatro capas no pueda. Usualmente se emplean tres o cuatro capas.