Aplicaciones Industriales De Redes Neuronales

Aplicaciones industriales de redes neuronales
1. Presentación
Redes neuronales han sido estudiado casi desde los principios de la era de los ordenadores. Al principio la investigación de los redes neuronales estaba centrado en y motivado por la biología. Pero los modelos de los redes neuronales desarrolladas eran demasiado débiles para solucionar tareas de procesamiento de información complejaque podemos encontrar en muchas aplicaciones industriales. Nuevas innovaciones en los años 80 llevaron a la aparición de modelos de redes neuronales más poderosos. Muchos estudios científicos intentaron con éxito demostrar los conceptos y los beneficios en varios sectores de aplicaciones industriales. En consecuencia la industria consideraba las redes neuronales como herramienta útil. Hoy en día,las redes neuronales son populares y son aplicadas en la varios sectores de la industria. En el pasado había afirmaciones exageradas sobre la capacidad de las redes neuronales. Pero los investigadores y los usuarios de trabajaron en una mejora de la compresión de los modelos y la notificación de las ventajas y los inconvenientes en diferentes sectores industriales. Ahora el campo de las redesneuronales es más realista y está siguiendo el buen camino. Expectativas realistas y experiencias reales han conseguido disminuir el riesgo de fracasos y malas reputaciones generadas por estos. Hoy en día se sabe bien qué las redes neuronales son y qué pueden rendir. Si se puede combinar este conocimiento con la experiencia en aplicaciones industriales, se pueden lograr rendimientos al nivel de lascapacidades de las redes neuronales.

2. Aplicación de las redes neuronales
Desde el punto de vista de la ingeniería las redes neuronales pueden ser considerado como sistemas dinámicos que trabajan extraordinariamente paralelamente. Ejecutan transformaciones de los datos entrantes dependiente de sus propios estados. Cómo se ejecuta la transformación y cómo la red neuronal aprende depende delmodelo utilizado. Evidentemente los sectores de aplicación más obvios son las tareas en las cuales se necesitan transformaciones de ciertos datos entrantes a ciertos datos salientes y estas transformaciones no pueden ser descubierto analíticamente. Por este motivo no es una sorpresa que las aplicaciones más eficaces se encuentran en los sectores: • reconocimiento de patrones • procesamiento deimágenes • time series processing • unsupervised clustering • visualización de datos complejos

• • •

compresión de datos procesamiento de señales control, modelación y monitorización de procesos industriales.

Gran parte de la investigación de redes neuronales enfoca en modelos de redes individuales. Pero en las aplicaciones industriales típicas se prefiere un punto de vista del nivel del sistemaentorno. Redes neuronales particulares forman parte de un sistema más extenso que contiene aún más técnicas de procesamiento de datos, como por ejemplo la filtración de señales. Esta manera de aplicación de las redes neuronales lleva a una arquitectura híbrida en la cual se usa en cualquier módulo un procedimiento basado en redes neuronales. Entonces la tareas del diseñador de una aplicaciónindustrial es decidir • en qué partes de las aplicación se pueden usar redes neuronales. • qué beneficios conllevará el uso de redes neuronales en esta aplicación. • qué tipos de redes neuronales son adecuados. Hay muchos modelos diferentes propuestos para el uso en aplicaciones industriales y también había mucho esfuerzo para explorar las bases teóricas des las redes neuronales y las relaciones conmétodos estadísticos. Muchos modelos de redes neuronales corresponden a técnicas estadísticas populares como Generalized Linear Models, Polynomial Regression, Nonparametric Regression y Discrimant Analysis, por ejemplo el Multilayer Perceptron (PLC) o el Principal Component Analysis (PCA). Pero hay también modelos que no tienen ningún equivalente en el mundo de los métodos estadísticos como el...