Redes neuronales

Solo disponible en BuenasTareas
  • Páginas : 6 (1468 palabras )
  • Descarga(s) : 0
  • Publicado : 15 de marzo de 2011
Leer documento completo
Vista previa del texto
IMPORTANCIA DE LAS REDES NEURONALES PARA MODELAR SISTEMAS DINAMICOS

Las redes neuronales artificiales se construyeron inicialmente como una simulación de los sistemas nerviosos formados por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros. Mediante estas se pueden llegar a construir sistemas capaces de aprender, de adaptarse a condiciones variantes, o inclusive sise tiene una gran cantidad de datos predecir el estado futuro de algunos modelos.
El término 'red neuronal' es de hecho un término biológico, y aquello a lo que nos referimos como redes neuronales debería ser llamado redes neuronales artificiales., usaré los dos términos de como sinónimos en este ensayo. Una red neuronal real es una colección de neuronas, las pequeñas células de las que secompone nuestro cerebro. Las redes neuronales intentan modelar estas estructuras biológicas tanto en operatividad como en arquitectura. Existe un pequeño problema: no sabemos del todo cómo funcionan las redes neuronales biológicas. Así que, la arquitectura de las redes neuronales cambia mucho de un tipo a otro (An Introduction to Neural Networks, James Matthews).
Las redes neuronales a pesar desurgir de motivaciones diferentes de las de identificación de un sistema complejo representan un modelo que encaja perfectamente en la representación de los modelos complejos, las redes neuronales típicamente están formadas por una serie de capas de neuronas que están unidas entre sí mediante sinapsis. Las neuronas artificiales como unidades independientes no son muy eficaces para el tratamiento dela información y se agrupan en estructuras más grandes, las redes de neuronas artificiales o redes neuronales.
Son técnicas adecuadas para enfrentar problemas que hasta ahora eran resueltos solo por el cerebro humano. Un procesamiento paralelo realizado por un gran número de elementos altamente interconectados, es la clave de su funcionamiento. Se pueden clasificar en modelos de tipo biológico ytipo dirigido a la aplicación de acuerdo a su similitud con la realidad biológica.
En teoría de redes neuronales podemos distinguir tres niveles en su arquitectura: Microestructura. Hace referencia a los elementos más pequeños de las redes neuronales: las neuronas. Mesoestructura. Resultado de la combinación de las neuronas. Serían las redes

neuronales propiamente dichas. Macroestructura.Combinación de redes, se podría denominar a este nivel "comité de expertos". Existen diferentes tipos de combinación: paralelo, jerárquica, etc. dependiendo de la aplicación que se quiera implementar. (Murray, A.F. "Applications of Neural Networks". Kluwer Academic Publishers, 1995).
Las redes neuronales tiene características que hacen muy interesante el modelado de sistemas dinámicos, como lacapacidad de de aproximar sistemas no lineales ( Un sistema dinámico es un sistema complejo que presenta un cambio o evolución de su estado en un tiempo, el comportamiento en dicho estado se puede caracterizar determinando los límites del sistema, los elementos y sus relaciones; de esta forma se puede elaborar modelos que buscan representar la estructura del mismo sistema). Según la tesis de Postítulo en Consultoría Medioambiental "Desarrollo de un predictor de MP10 basado en la utilización de redes neuronales" (USACH, año 2000), dice que una red neuronal corresponde a un sistema experto que se adapta a los cambios de la dinámica de sistema, por lo que son predictores no lineales, la principal ventaja de el modelado de estos sistemas es que podemos predecir el comportamiento dinámico de lossistemas antes de construirlos , también podemos analizar el desempeño de uno existente con la intensión de estudiar sus comportamiento, además si exponer el proceso a daños se puede determinar que puede ocurrirle, esto mediante la simulación que consiste en una entrada inusual. Aragón A. y Casado, S (2002) realizaron un estudio para realizar simulaciones mediante redes neuronales, en el que...
tracking img