Redes neuronalews
Páginas: 19 (4551 palabras)
Publicado: 2 de agosto de 2010
REDES NEURONALES CONSTRUCTIVAS QUE APRENDEN MIENTRAS CRECEN
Juan Manuel TORRES-MORENO
Lania, A.C. Rébsamen 80, 91090 Xalapa, Veracruz, México
torres@xalapa.lania.mx http://www.xalapa.lania.mx/(torres
Resumen
En este artículo se presentan una introducción a la teoría del aprendizaje supervisado y a los fundamentos de las redes de neuronas. Se muestran las arquitecturasclásicas utilizadas y se introducen nuevos paradigmas incrementales, de redes que aprenden conforme crecen. Se trata el problema de la clasificación de datos y se muestran algunas aplicaciones al mismo.
INTRODUCCION
¿Pueden las computadoras aprender a resolver problemas a partir de ejemplos? Esta cuestión que bordeaba no hace mucho tiempo en la frontera de la ciencia ficción es actualmenteobjeto de profundos estudios. Las redes de neuronas formales son máquinas que poseen esta capacidad de aprendizaje. Estas máquinas han sido propuestas como modelos extremadamente simplificados del funcionamiento del cerebro, puesto que no retienen más que algunas características esenciales:
i) las neuronas no pueden encontrarse más que en dos estados posibles, activas o en reposo;
ii)estáninterconectadas mediante sinápsis que pueden ser modificadas por aprendizaje
iii) el estado de una neurona a cada instante es determinado por el de otras neuronas, información que es transmitida por las sinápsis.
Aunque muy esquemático, este modelo presenta una riqueza sorprendente de estados y de comportamientos y ha sentado las bases de un modelo de memoria y aprendizaje como un fenómenoemergente colectivo: el sistema global presenta propiedades complejas que no pueden predecirse a partir del estudio individual de sus componentes. Así, el todo es mucho más que la suma de sus partes. Por otro lado, las aplicaciones en diversos dominios no tardaron en aparecer. Los estudios teóricos de redes de neuronas reflejan estos dos aspectos: el del modelado de fenómenos cognoscitivos y el deldesarrollo de aplicaciones. Aunque las redes de neuronas hayan sido aplicadas a diversos campos, en el presente artículo se hará énfasis en la clasificación de datos: para los humanos una actividad tan trivial que pasa desapercibida, pero que presenta dificultades importantes para una máquina.
APRENDIZAJE Y CLASIFICACION
La clasificación es la atribución de una clase específica a un objeto.Esta atribución necesita un cierto grado de abstracción para poder extraer generalidades a partir de los ejemplos de los cuales se dispone. Para una máquina, la clasificación de rostros, de datos médicos o de formas son tareas bastante difíciles, en tanto que para un humano son cuestiones cotidianas. Por ejemplo, en el caso de reconocimiento de caracteres manuscritos, es difícil enunciar unadescripción general que tenga en cuenta todas las variaciones particulares de cada caracter. Una técnica que puede ser utilizada para resolver este problema es el aprendizaje. Así, el criterio para decidir si una imagen corresponde a una letra “A” consiste en comparar si esta imagen es lo suficientemente similar a otras “A”s vistas anteriormente; con este enfoque, uno no calcula la clasificación deletras, sino que se aprenden a partir de ejemplos.
El aprendizaje está implícito en el quehacer humano y forma parte imprescindible de las actividades intelectuales. Surge entonces la cuestión inevitable: ¿qué es el aprendizaje? El aprendizaje -desde un punto de vista pragmático- consiste en la adaptación de los parámetros de un sistema (sea artificial o natural) para obtener una respuesta deseadafrente a un estímulo externo. Esta definición amplia del aprendizaje puede ser formalizada con el paradigma del aprendizaje supervisado o del profesor-alumno: imagine que existe un profesor que conoce la relación exacta entre los estímulos y las respuestas (entradas-salidas), que un alumno desconoce. Si ambos son expuestos a una entrada cualquiera, el profesor es capaz a cada momento de...
Juan Manuel TORRES-MORENO
Lania, A.C. Rébsamen 80, 91090 Xalapa, Veracruz, México
torres@xalapa.lania.mx http://www.xalapa.lania.mx/(torres
Resumen
En este artículo se presentan una introducción a la teoría del aprendizaje supervisado y a los fundamentos de las redes de neuronas. Se muestran las arquitecturasclásicas utilizadas y se introducen nuevos paradigmas incrementales, de redes que aprenden conforme crecen. Se trata el problema de la clasificación de datos y se muestran algunas aplicaciones al mismo.
INTRODUCCION
¿Pueden las computadoras aprender a resolver problemas a partir de ejemplos? Esta cuestión que bordeaba no hace mucho tiempo en la frontera de la ciencia ficción es actualmenteobjeto de profundos estudios. Las redes de neuronas formales son máquinas que poseen esta capacidad de aprendizaje. Estas máquinas han sido propuestas como modelos extremadamente simplificados del funcionamiento del cerebro, puesto que no retienen más que algunas características esenciales:
i) las neuronas no pueden encontrarse más que en dos estados posibles, activas o en reposo;
ii)estáninterconectadas mediante sinápsis que pueden ser modificadas por aprendizaje
iii) el estado de una neurona a cada instante es determinado por el de otras neuronas, información que es transmitida por las sinápsis.
Aunque muy esquemático, este modelo presenta una riqueza sorprendente de estados y de comportamientos y ha sentado las bases de un modelo de memoria y aprendizaje como un fenómenoemergente colectivo: el sistema global presenta propiedades complejas que no pueden predecirse a partir del estudio individual de sus componentes. Así, el todo es mucho más que la suma de sus partes. Por otro lado, las aplicaciones en diversos dominios no tardaron en aparecer. Los estudios teóricos de redes de neuronas reflejan estos dos aspectos: el del modelado de fenómenos cognoscitivos y el deldesarrollo de aplicaciones. Aunque las redes de neuronas hayan sido aplicadas a diversos campos, en el presente artículo se hará énfasis en la clasificación de datos: para los humanos una actividad tan trivial que pasa desapercibida, pero que presenta dificultades importantes para una máquina.
APRENDIZAJE Y CLASIFICACION
La clasificación es la atribución de una clase específica a un objeto.Esta atribución necesita un cierto grado de abstracción para poder extraer generalidades a partir de los ejemplos de los cuales se dispone. Para una máquina, la clasificación de rostros, de datos médicos o de formas son tareas bastante difíciles, en tanto que para un humano son cuestiones cotidianas. Por ejemplo, en el caso de reconocimiento de caracteres manuscritos, es difícil enunciar unadescripción general que tenga en cuenta todas las variaciones particulares de cada caracter. Una técnica que puede ser utilizada para resolver este problema es el aprendizaje. Así, el criterio para decidir si una imagen corresponde a una letra “A” consiste en comparar si esta imagen es lo suficientemente similar a otras “A”s vistas anteriormente; con este enfoque, uno no calcula la clasificación deletras, sino que se aprenden a partir de ejemplos.
El aprendizaje está implícito en el quehacer humano y forma parte imprescindible de las actividades intelectuales. Surge entonces la cuestión inevitable: ¿qué es el aprendizaje? El aprendizaje -desde un punto de vista pragmático- consiste en la adaptación de los parámetros de un sistema (sea artificial o natural) para obtener una respuesta deseadafrente a un estímulo externo. Esta definición amplia del aprendizaje puede ser formalizada con el paradigma del aprendizaje supervisado o del profesor-alumno: imagine que existe un profesor que conoce la relación exacta entre los estímulos y las respuestas (entradas-salidas), que un alumno desconoce. Si ambos son expuestos a una entrada cualquiera, el profesor es capaz a cada momento de...
Leer documento completo
Regístrate para leer el documento completo.