Redes neuronales artificiales
APRENDIZAJE CON REDES NEURONALES ARTIFICIALES
Una red neuronal artificial es, básicamente, el resultado de los intentos por reproducir mediante computadores el funcionamiento del cerebro humano. Su principal aplicación es en torno a las tareas en que los seres humanos fácilmente superan a los computadores tradicionales, como en procesamiento de señales, procesamiento deimágenes, procesamiento de voz, en robótica y otros. Nuestro cerebro está formado por miles de millones de neuronas interconectadas entre sí en forma variable y compleja. Cada neurona recibe señales de las otras neuronas, o señales provenientes del exterior de la red, las procesa, ponderando o dándole distinta importancia a cada una de ellas, y genera una única señal de salida que se transmite a las otrasneuronas. La información que procesa una red neuronal se encuentra dispersa entre todas sus interconexiones, lo que la hace fundamentalmente diferente a un computador tradicional, en que la información se encuentra totalmente localizada y no distribuida como en este caso. Esta cualidad hace que las redes neuronales posean una gran tolerancia a fallas.
4.1. FUNDAMENTOS BIOLÓGICOS
La figura 4.1muestra el modelo biológico de la neurona, elemento base de las redes de neuronas.
Mg. Abraham Gamarra Moreno
165
Figura 4.1. Modelo de la Neurona Biológica
Como se aprecia en esta figura, cada neurona en el cerebro está compuesta básicamente por un cuerpo, axones y dendritas. Las dendritas forman un "cepillo filamentoso" muy fino que rodea el cuerpo de la neurona. El axón puedeconsiderarse como un tubo largo y fino que se subdivide en numerosas ramas que terminan en pequeños bulbos, los cuales tienen contacto con las dendritas de las otras células. La pequeña separación entre una terminación y una dendrita es llamada sinapsis. El axón de una neurona puede formar conexiones sinápticas con muchas otras neuronas. Funcionalmente, las dendritas reciben señales desde otras célulasa través de los puntos de conexión llamados sinapsis. La fuerza de una conexión dada es determinada por la eficiencia de la transmisión sináptica. Desde ahí las señales son pasadas al cuerpo de la célula. Las señales que llegan de las dendritas pueden ser excitatorias o inhibitorias, y si la suma ponderada de éstas, realizada dentro del cuerpo de la neurona, supera su "umbral de activación"dentro de un tiempo suficiente, la neurona se disparará, enviando un impulso nervioso a través de su axón.
4.2. LA NEURONA ARTIFICIAL
En la figura 4.2 se presenta el esquema típico de la neurona artificial.
X1 W 1j
X2
W 2j
: . :
Xn W nj Sinapsis Dendritas
Yj Zj= W ij Xi F ( Zj )
Axones
Cuerpo
de la
Neurona
Axón
Figura 4.2: Modelo de la Neurona Artificial
166Tópicos y Aplicaciones de la Inteligencia Artificial
El cuerpo de la neurona será a menudo representada por la suma ponderada de las entradas, Zj, seguida por una función lineal o no lineal, Yj = F( Zj). La eficiencia sináptica es representada por los "pesos de interconexión", Wij. La función F(Zj) es llamada "función de activación", que usa los valores de entrada para determinar la actividad dela neurona. El modelo de la neurona es llamado neurona de McCulloch-Pitts .
4.2.1.
PESOS DE INTERCONEXIÓN
Los pesos de interconexión, representan la fuerza de interconexión entre las neuronas, y pueden ser positivos (excitatorios) o negativos (inhibitorios); además pueden ser fijos o adaptables. Las redes con pesos adaptables usan leyes de aprendizaje para ajustar los valores de la fuerzade interconexión. Si la red neuronal usa pesos fijos las tareas a ser ejecutadas deben estar bien definidas a priori.
4.2.2.
FUNCIONES DE ACTIVACIÓN
Existen distintos tipos de redes neuronales que usan diferentes funciones de activación, F(Z), pero la estructura interna de la neurona , es decir la suma ponderada seguida por la función F(Z), es común en la mayoría de las redes. Entre...
Regístrate para leer el documento completo.