Redes neuronales

2-Redes con aprendizaje no supervisado (fredy)
No requieren de influencia externa para ajustar los pesos de las conexiones entre sus neuronas. La red no recibe ninguna información por parte delentorno que le indique si la salida generada en respuesta a una determinada entrada es o no correcta; son capaces de autoorganizarse. Estas redes deben encontrar las características, regularidades,correlaciones o categorías que se pueden establecer entre los datos de la entrada. Pero, ¿qué genera la red en la salida?. Existen varias posibilidades en cuanto a interpretación:
• La salidarepresenta el grado de familiaridad o similitud entre la información de entrada y las informaciones mostradas con anterioridad.
• Clusterización o establecimiento de categorias, indicando lared a la salida a qué categoría pertenece la información de entrada, siendo la propia red la que debe establecer las correlaciones oportunas.
• Codificación de los datos de entrada,generando a la salida una versión codificada con menos bits, pero manteniendo la información relevante de los datos.
• Mapeo de características, obteniéndose una disposición geométrica querepresenta un mapa topográfico de las características de los datos de entrada.
Los algoritmos de aprendizaje no supervisado suelen ser de dos tipos:
1. Aprendizaje hebbiano : pretende medir lafamiliaridad o extraer características de los datos de entrada. Este aprendizaje consiste básicamente en el ajuste de los pesos de las conexiones de acuerdo con la correlación de los valores de activación(salidas) de las dos neuronas conectadas :
Incr (wji) = yi yj
Si las dos unidades son activas (salida positiva), se produce un reforzamiento de la conexión. Si por el contrario, una es activa y laotra pasiva (salida negativa), se produce un debilitamiento de la conexión. Por tanto, la modificación de los pesos se realiza en función de los estados (salidas) de las neuronas, obtenidos tras la...