Utilización De La Tecnología De Redes Neuronales Para La Resolución De Problemas Imprecisos De Optimización, Clasificación

UTILIZACIÓN DE LA TECNOLOGÍA DE REDES NEURONALES PARA LA RESOLUCIÓN DE PROBLEMAS IMPRECISOS DE OPTIMIZACIÓN, CLASIFICACIÓN.

Lisseth Pacheco Garcia & Giovanna Uchofen

Universidad Católica Santo Toribio de Mogrovejo

Resumen: Las redes neuronales proporcionan el beneficio de, mediante el entrenamiento de las mismas, resolver situaciones de imprecisión de resultados o conclusiones, decircunstancias vulnerables al error de cálculo humano o simplemente de una inferencia a priori. Precisamente, para resolver los problemas reales complejos, existen diversas expresiones de la tecnología de redes neuronales, que se reflejan en las maneras de realización.

Palabras Claves: Entrenamiento, Imprecisión, Inferencia, Problemas, Realización, Redes Neuronales, Tecnología.


1. INTRODUCCIÓNExisten técnicas computacionales que, desde sus inicios, marcan un paradigma en la creación. Sus aplicaciones, hoy día, van desde la industria de los juegos hasta las cadenas de producción de varias empresas, pasando por la resolución de problemas de imprecisión. Para ello se han desarrollado múltiples técnicas como las relacionadas con la inteligencia artificial. Las más conocidas son lalógica difusa, algoritmos genéticos y redes neuronales.

Actualmente las redes neuronales despiertan un ferviente interés investigador en todo el mundo, de manera tal que profesionales de campos tan diversos como la ingeniería, la filosofía, la psicología, entre otros, intrigados por el potencial ofrecido por esta tecnología, buscan aplicaciones dentro de sus respectivas disciplinas.

Con las RedesNeuronales se busca la solución de problemas complejos, no como una secuencia de pasos, sino como la evolución de unos sistemas de computación inspirados en el cerebro humano, y dotados por tanto de cierta "inteligencia", los cuales no son sino la combinación de elementos simples de procesos (neuronas) interconectados, que operando de forma paralela en varios estilos que serán analizadosdetalladamente, consiguen resolver problemas relacionados con el reconocimiento de formas o patrones, predicción, codificación, control y optimización entre otras aplicaciones que finalizarán con este documento.

2. REDES NEURONALES ARTIFICIALES

Una red neuronal, según Freman y Skapura, es un sistema de procesadores paralelos conectados entre sí en forma de grafo dirigido. Esquemáticamente cadaelemento de procesamiento (neuronas) de la red se representa como un nodo. Estas conexiones establecen una estructura jerárquica que tratando de emular la fisiología del cerebro busca nuevos modelos de procesamiento para solucionar problemas concretos del mundo real. Lo importante en el desarrollo de la técnica de las RNA es su útil comportamiento al aprender, reconocer y aplicar relaciones entreobjetos y tramas de objetos propios del mundo real. En este sentido, se utilizan las RNA como una herramienta que podrá utilizarse para resolver problemas difíciles.

2.1. Principios de las Redes Neuronales

La posibilidad de resolver problemas difíciles es dable gracias a los principios de las redes neuronales, los cinco más importantes son citados por Hilera y Martínez. Estos son enunciados acontinuación:

Aprendizaje adaptativo: Esta es quizás la característica más importante de las redes neuronales, pueden comportarse en función de un entrenamiento con una serie de ejemplos ilustrativos. De esta forma, no es necesario elaborar un modelo a priori, ni establecer funciones probabilísticas. Una red neuronal artificial es adaptativa porque puede modificarse constantemente con el fin deadaptarse a nuevas condiciones de trabajo.

Autoorganización: Mientras que el aprendizaje es un proceso donde se modifica la información interna de la red neuronal artificial, la autoorganización consiste en la modificación de la red completa con el fin de llevar a cabo un objetivo específico. Autoorganización significa generalización, de esta forma una red puede responder a datos o situaciones...