Propuesta Simulador Red Neuronal

1. PLANTEAMIENTO DEL PROBLEMA

En reconocimiento de patrones en imágenes se busca definir qué tipo de patrón es el que tiene la imagen, de un conjunto definido de imágenes. Este problema puede solucionarse de manera simple a través de RNA (redes Neuronales Artificiales). Sin embargo, con la tecnología disponible actualmente, el software disponible de RNA permite un número muy bajo de neuronas,que en la práctica se traduce a que es imposible utilizar este método en el reconocimiento de imágenes.

Con el trabajo de grado, se pretende desarrollar un simulador de RNA que permita la utilización de un rango superior a 10.000 neuronas de entrada, para reconocimiento de patrones, con tipo de entrenamiento backpropagation[1] y topología feedforward[2] los cuales brindan la salida ideal parala solución del problema de reconocimiento de objetos dentro de imágenes.

Por otra parte la Universidad cuenta con un clúster de alta capacidad de procesamiento que tecnológicamente permite el desarrollo de este modelo. Esta herramienta empezaría a colocar a la Universidad dentro de las universidades de avanzada en este tema, además de que una vez se tenga la herramienta puede servir paramuchas otras investigaciones.

1. DESCRIPCION DEL PROBLEMA

Los simuladores de redes neuronales son modelos que en Colombia no se han podido utilizar en gran cantidad de áreas debido a su complejidad, por lo tanto se deben buscar alternativas que permitan hacer uso de este tipo de modelamiento, pero con un nivel de tecnicismo accesible a la mayoría de personas.

Esto se debe a que el modeloactualmente utilizado para hallar respuesta como los simuladores de redes neuronales no están siendo usados de forma optima, ya que estos dependen en todo momento de la cantidad de neuronas de entrada lo cual da un resultado con un margen de error alto y tiempo de repuesta ineficaz por la falta de procesamiento paralelo.

Cabe resaltar también que el algoritmo de aprendizaje para la obtención detal respuesta es el conocido como BackPropagation, en el que el error se distribuye desde la salida hacia la entrada de los datos.

2. ELEMENTOS DEL PROBLEMA

A continuación se describen los elementos que componen una red neuronal artificial, los cuales están discriminados de la siguiente manera: en primer lugar la TOPOLOGIA que son las capas que conforman la red neuronal, siendo laprimera la que recibe la información del exterior, en segundo lugar los PESOS que son la ponderación de las conexiones entre las neuronas. Además los pesos son coeficientes que se adaptan dentro de la red determinando la intensidad de la señal de entrada registrada por una neurona artificial. Por último encontramos las SALIDAS ya que cada elemento de procesamiento tiene permitida una única salida quepuede estar asociada a un gran número de otras neuronas[3].
ENTRADAS: Pixel de una imagen.
PESOS: Fortalezas o debilidades de sinapsis dentro de las neuronas.
TOPOLOGIA: Configuración de las neuronas para solucionar un problema.

3. DELIMITACIÓN DEL PROBLEMA

Las redes neuronales son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona elsistema nervioso de los animales. Nuestro proyecto de grado se basa en un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida; estas se trabajan por medio de algoritmos, el algoritmos que tendremos en cuenta para desarrollar nuestra red neuronal de 10000 neuronas está basado en el algoritmo de aprendizaje backpropagation, que es simplemente un métododescendente de gradiente, con el cual podemos minimizar el error cuadrático total de la salida calculada por la red.
El backpropagation puede entrenar redes multicapas feedforward, con funciones de transferencia diferenciables para ejecutar funciones de aproximación, asociación de patrones, y clasificación de patrones.

Con la realización de la red neuronal se podrá dar mayor uso al clúster que...