Redes Neuronales
Páginas: 18 (4360 palabras)
Publicado: 27 de noviembre de 2012
3.9. APRENDIZAJE CON REDES NEURONALES
Los primeros esfuerzos en el aprendizaje de máquinas intentaron imitar el aprendizaje animal a nivel neuronal. Las redes neuronales han visto su resurgimiento en los años recientes, como resultado del descubrimiento de nuevos y poderosos algoritmo de aprendizaje. Dadas las amplias características que se pueden encontrar en las neuronas, la gente queintenta entender y duplicar su comportamiento se centra en tan sólo unas cuantas características notables de las mismas. En esta sección se verán diferentes tipos de redes neuronales:
* Redes neuronales de alimentación positiva
* Perceptrones
* Redes de interpolación y de aproximación
3.9.1. Redes neuronales de alimentación positiva
Una neurona consta de las siguientes partesprincipales:
* Un cuerpo.
* Muchas dendritas: protuberancias que facilitan la conexión con los axones de otras neuronas;
* Un axón: protuberancia que transporta la salida de la neurona hasta las conexiones de otras neuronas.
Una neurona es un dispositivo de todo o nada. La neurona no hace nada a menos que la influencia colectiva de todas sus entradas (sinapsis) alcance un nivel deumbral. En ese caso la neurona se dispara, es decir, produce una salida de potencia completa, que se manifiesta como un pulso estrecho que se desplaza del cuerpo por el axón, hasta las ramas de este.
En nuestro sistema nervioso existen células llamadas neuronas que son una unidad de procesamiento que recibe un estimulo eléctrico de otras neuronas principalmente a través de su árbol dendrítico.El estimulo eléctrico recibido al pasar de un cierto umbral causa que la neurona a su vez envié una señal eléctrica a través de su axón a otras sucesivas neuronas.
Basado en la fuerza de interconexión entre las neuronas la red puede ser capaz de cómputos y detección de patrones complejos. Cuando el árbol dendrítico recibe impulsos eléctricos sobre un umbral voltaje especifico la neurona mandauna señal eléctrica a través del axón a los terminales axónicos. En esos terminales se conectan los terminales axónicos (a través de sinapsis) a otras neuronas. Los terminales axonicos se pueden conectar a través de sinapsis a diferentes partes de la neurona pero típicamente se considera solo la conexión a otras dendritas. Dependiendo del neurotransmisor (ion) el potencial inducido en terminalpostsinaptico (dendrita) puede ser positivo (excitado) o negativo (inhibidor).
Las neuronas tienen un tiempo de activación del orden de milisegundos comparado con nanosegundos para hardware computacional. El cerebro humano tiene alrededor de 1011 neuronas con un promedio de 104 conexiones cada una. Todas las señales de input de otras neuronas se suman de manera espaciotemporal por la neurona.Considerando estas características se puede realizar el modelo de neurona indicado en la figura 6.
Los pesos Wi modelan las propiedades de las sinapsis; la sumatoria de la función de activación modela la capacidad de combinar la influencia de todas las dendritas; la función de umbral que da como resultado 1 ó 0 modela la característica de todo o nada de los mecanismos del cuerpo de la célula.
Se puede realizar una red neuronal organizada por columnas según se muestra en la figura 7. La primera columna de la red es la que recibe la alimentación inicial. Cada neurona de una columna produce una salida que alimenta a las neuronas de la siguiente columna. Finalmente la última capa de neuronas es la única que produce una salida visible, y por esto el resto de las neuronas sedenominan nodos ocultos.
Ejemplo: la figura 8 muestra una red neuronal que, a partir de dos entradas activadas entre los elementos A1, A2, A3, B1, B2, B3 (los tres primeros de la clase A y los tres últimos de la clase B), reconoce si éstos son de igual o distinta clase.
Para solucionar este problema se realiza la red neuronal mostrada en la figura anterior, que consta de una capa de nodos...
Los primeros esfuerzos en el aprendizaje de máquinas intentaron imitar el aprendizaje animal a nivel neuronal. Las redes neuronales han visto su resurgimiento en los años recientes, como resultado del descubrimiento de nuevos y poderosos algoritmo de aprendizaje. Dadas las amplias características que se pueden encontrar en las neuronas, la gente queintenta entender y duplicar su comportamiento se centra en tan sólo unas cuantas características notables de las mismas. En esta sección se verán diferentes tipos de redes neuronales:
* Redes neuronales de alimentación positiva
* Perceptrones
* Redes de interpolación y de aproximación
3.9.1. Redes neuronales de alimentación positiva
Una neurona consta de las siguientes partesprincipales:
* Un cuerpo.
* Muchas dendritas: protuberancias que facilitan la conexión con los axones de otras neuronas;
* Un axón: protuberancia que transporta la salida de la neurona hasta las conexiones de otras neuronas.
Una neurona es un dispositivo de todo o nada. La neurona no hace nada a menos que la influencia colectiva de todas sus entradas (sinapsis) alcance un nivel deumbral. En ese caso la neurona se dispara, es decir, produce una salida de potencia completa, que se manifiesta como un pulso estrecho que se desplaza del cuerpo por el axón, hasta las ramas de este.
En nuestro sistema nervioso existen células llamadas neuronas que son una unidad de procesamiento que recibe un estimulo eléctrico de otras neuronas principalmente a través de su árbol dendrítico.El estimulo eléctrico recibido al pasar de un cierto umbral causa que la neurona a su vez envié una señal eléctrica a través de su axón a otras sucesivas neuronas.
Basado en la fuerza de interconexión entre las neuronas la red puede ser capaz de cómputos y detección de patrones complejos. Cuando el árbol dendrítico recibe impulsos eléctricos sobre un umbral voltaje especifico la neurona mandauna señal eléctrica a través del axón a los terminales axónicos. En esos terminales se conectan los terminales axónicos (a través de sinapsis) a otras neuronas. Los terminales axonicos se pueden conectar a través de sinapsis a diferentes partes de la neurona pero típicamente se considera solo la conexión a otras dendritas. Dependiendo del neurotransmisor (ion) el potencial inducido en terminalpostsinaptico (dendrita) puede ser positivo (excitado) o negativo (inhibidor).
Las neuronas tienen un tiempo de activación del orden de milisegundos comparado con nanosegundos para hardware computacional. El cerebro humano tiene alrededor de 1011 neuronas con un promedio de 104 conexiones cada una. Todas las señales de input de otras neuronas se suman de manera espaciotemporal por la neurona.Considerando estas características se puede realizar el modelo de neurona indicado en la figura 6.
Los pesos Wi modelan las propiedades de las sinapsis; la sumatoria de la función de activación modela la capacidad de combinar la influencia de todas las dendritas; la función de umbral que da como resultado 1 ó 0 modela la característica de todo o nada de los mecanismos del cuerpo de la célula.
Se puede realizar una red neuronal organizada por columnas según se muestra en la figura 7. La primera columna de la red es la que recibe la alimentación inicial. Cada neurona de una columna produce una salida que alimenta a las neuronas de la siguiente columna. Finalmente la última capa de neuronas es la única que produce una salida visible, y por esto el resto de las neuronas sedenominan nodos ocultos.
Ejemplo: la figura 8 muestra una red neuronal que, a partir de dos entradas activadas entre los elementos A1, A2, A3, B1, B2, B3 (los tres primeros de la clase A y los tres últimos de la clase B), reconoce si éstos son de igual o distinta clase.
Para solucionar este problema se realiza la red neuronal mostrada en la figura anterior, que consta de una capa de nodos...
Leer documento completo
Regístrate para leer el documento completo.