Fast Artificial Neural Network Library

Fast Artificial Neural Network Library
Fast Artificial Neural Network Library es una biblioteca libre, de código abierto, que implementa varias capas de redes neuronales artificiales en C con soporte para dos redes totalmente conectadas y escasamente conectadas. Ejecución entre plataformas, tanto en punto fijo y flotante son compatibles. Incluye un marco para un fácil manejo de conjuntos dedatos de entrenamiento. Es fácil de usar, versátil, bien documentada, y rápido. Vincula a más de 15 lenguajes de programación que están disponibles. Para facilitar la lectura del artículo introducción y el manual de referencia acompaña a la biblioteca con ejemplos y recomendaciones sobre el uso de la biblioteca. Varias interfaces gráficas de usuario también están disponibles para la biblioteca.Con las Redes Neuronales 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 proceso (neuronas - se dará una visión rápida sobre el funcionamiento de las mismas en los seres vivos-)interconectados, que operando de forma paralela en varios estilos que serán analizados detalladamente, consiguen resolver problemas relacionados con el reconocimiento de formas o patrones, predicción, codificación, control y optimización entre otras aplicaciones que finalizarán con este documento.





Historia de las RNA
Conseguir, diseñar y construir máquinas capaces de realizar procesos concierta inteligencia ha sido uno de los principales objetivos y preocupaciones de los científicos a lo largo de la historia. Sin embargo a pesar de disponer de herramientas y de lenguajes de programación diseñados para el desrrollo de máquinas inteligentes, existe un problema de fondo que limita los resultados: estas máquinas se implementan sobre ordenadores basados en la filosofía de Von Neumann, yse apoyan en una descripción secuencial del proceso de tratamiento de la información.
Las primeras explicaciones teóricas sobre el cerebro y el pensamiento fuerón dadas por algunos filósofos griegos, como Platón y Aristóteles, quienes fuerón apoyados despúes por Descartes y filósofos empiristas.
Alan Turing, en 1936, fue el primero en estudiar el cerebro como una forma de ver el mundo de lacomputación, pero quienes primero concibierón algunos fundamentos de la computación neuronal fuerón Warren McCulloch y Walter Pitts, despúes otras teorias iniciales fuerón expuestas por Donald Hebb. Pero solo hasta 1957 Frank Rosenblatt comenzó el desarrollo del Perceptrón, la red neuronal más antigua de la que me encargaré posteriormente.
Más adelante apareció el modelo ADALINE, desarrollado porBernard Widrow y Marcial Hoff.
Stephen Grossberg realizó Avalancha en 1967, hasta 1982 el crecimiento se frenó pero surgierón luego investigaciones sobre redes como la de Marvin Minsky y Seymour Papert, despúes James Anderson desarrollo el Asociador Lineal, en Japón Kunihiko Fukushimika y Teuvo Kohonen que se centrarón en redes neuronales para el reconocimiento de patrones; en USA John Hopfield tambienrealizó importantes investigaciones.
Desde 1985 comenzarón a consolidarse los congresos más importantes como Neuronal Networks for Computing, la Neural Information Processing Systems, entre algunas otras.
Actualmente, son numerosos los trabajos que se realizan y publican. Revistas como Neural Networks, Transactions on Neural Networks, entre otros, son las encargadas de la publicación de losúltimos avances.

El modelo a seguir
La teoría y modelado de redes neuronales está inspirada en la estructura y funcionamiento de los sistemas nerviosos, donde la neurona es el elemento fundamental.
En general, una neurona consta de un cuerpo celular más o menos esférico, de 5 a 10 micras de diámetro, del que salen una rama principal, el axón, y varias ramas más cortas, llamadas dendritas.
Una de las...