Red neuronal artificial

Solo disponible en BuenasTareas
  • Páginas : 9 (2169 palabras )
  • Descarga(s) : 0
  • Publicado : 8 de junio de 2011
Leer documento completo
Vista previa del texto
ificialSimulación de Redes Neuronales Artificiales: Una Herramienta para la Docencia en Castellano
Anita Alegre López1, Sonia Mariño1, David La Red1
1

Dpto. Informática. Universidad Nacional del Nordeste. Corrientes. Argentina. 9 de julio 1449; (3400) Corrientes; Argentina.
E-mail: aalegrelopez@yahoo.com.ar E-mail: simarinio@hotmail.com E-mail: lrmdavid@exa.unne.edu.ar

Área: Personas;Subárea: Educación.

Resumen. Este trabajo trata de cubrir la escasa disponibilidad de software didáctico para la enseñanza práctica de las Redes Neuronales Artificiales en el idioma español o castellano, ya que la mayoría del software de dicho tipo disponible actualmente está en el idioma inglés. Se ha considerado además necesario utilizar un lenguaje de programación multiplataforma de granpotencia, por lo cual se ha seleccionado a Java. Se ha implementado como método de aprendizaje supervisado el algoritmo de retropropagación. El análisis de los resultados arrojados por la aplicación desarrollada revela que los modelos implementados no presentan un problema de sobreajuste en el proceso de entrenamiento y que los tiempos de ejecución son aceptables para los tamaños de los archivosconsiderados. En el futuro se tiene previsto la implementación de otras arquitecturas de redes, como las de Hopfield o las Competitivas.

Palabras clave: Redes Neuronales Artificiales; Español; Castellano; docencia; educación.

1 Introducción
Una de las múltiples técnicas que emplea la Inteligencia Artificial para simular el comportamiento inteligente de los seres humanos, son las denominadas RedesNeuronales Artificiales. Las mismas seducen a profesionales de distintas disciplinas por el gran potencial que ofrecen para resolver problemas complejos [1]. El principal objetivo de este trabajo es estudiar e investigar el modo de aprendizaje de las redes neuronales y sus aplicaciones didácticas. Por esta razón se implementan los algoritmos más conocidos que ellas utilizan. En las redesneuronales el conocimiento se incorpora mediante el aprendizaje a partir de ejemplos.

Se ha desarrollado un software de simulación, en castellano, en el cual se implementa como método de aprendizaje supervisado el Algoritmo de Retropropagación [7]. Para ello se ha recurrido a la técnica del Ciclo de Vida del Software, dedicando la etapa inicial a la investigación y estudio del problema, para luegopasar a la etapa de diseño e implementación. En ésta se optó por el lenguaje de programación orientado a objetos Java, por su robustez, y también por su capacidad de manejar hilos de ejecución y su arquitectura neutra (multiplataforma) [4] [5] [6]. A continuación se describirá el contenido de este trabajo: se introducirán ideas básicas sobre las Redes Neuronales Artificiales, fundamentales paracomprender la simulación desarrollada; luego se presentará el Sistema de Simulación de Redes Neuronales Artificiales, y para finalizar, se expondrán las conclusiones a las que se ha llegado.

2 Redes Neuronales Artificiales
Las siguientes definiciones describen las principales componentes de una red neuronal artificial (RNA). Neurona o Unidad Procesadora Una Neurona, o Unidad Procesadora, sobre unconjunto de nodos N, es una tripleta (X; f; Y ), donde X es un subconjunto de N; Y es un único nodo de N y f : R → R es una función neuronal (también llamada de activación) que calcula un valor de salida para Y basado en una combinación lineal de los valores de las componentes de X, es decir:

Los elementos X; Y y f de denominan conjunto de nodos de entrada, nodo de salida, y función neuronal dela unidad neuronal, respectivamente [2].

Red Neuronal Artificial Una Red Neuronal Artificial (RNA) es un par (N;U), donde N es un subconjunto de nodos y U es un conjunto de unidades procesadoras sobre N que satisface la siguiente condición: cada nodo Xi ∈ N tiene que ser un nodo de entrada o de salida de al menos una unidad procesadora de U. Donde f(x) es la función neuronal y los pesos wij...
tracking img