Redes Neuronales

Redes Neuronales. Reconocimiento de Imágenes.
Bien Guillermo1, Krein Diego1, Rambo Alice1
1

Analista de Sistemas de Computación Instituto Gastón Dachary Salta 1968 Posadas –
Misiones. www.dachary.edu.ar

Abstract. El presente trabajo, refleja la experiencia realizada al programar bajo
un lenguaje de entorno visual, los algoritmos que reflejan los fundamentos de
una Red de Hopfield,utilizada para el reconocimiento de imágenes. Para ello se
planteó el aprendizaje de tres patrones de 10 *10 ingresados por diferentes
métodos, para luego determinar el reconocimiento de un patrón de entrada
ingresado con niveles de corrupción o falencia de datos variables, para así poder
determinar el comportamiento de la Red Neuronal ante distintas contigencias y
su porcentaje de reconocimientode patrones.

1 Intorduction
Las redes neuronales son estructuras pensadas para simular las estructura y el
comportamiento del sistema nervioso, por esta razón una neurona artificial posee
entradas, salidas y un estado además de estar conectadas a otras neuronas siendo las
salidas de estas entradas de las demás.
El modelo presentado por J. Hopfield, consiste en cuatro aspectos básicos:1.1 Topología
Es una red monocapa con conexiones laterales no recurrentes, esto quiere decir que
solo se tiene una capa de neuronas que se encuentran conectadas entre si pero no con
ellas mismas.

1.2 Aprendizaje
No supervisado (off line), no requiere influencia externa para ajustar los pesos, puede
autoorganizarse. El tipo de aprendizaje es Hebbiano, este último, consiste en el ajuste
depesos de las conexiones de acuerdo con la correlación (multiplicación de los
valores binarios +1 y –1) de los valores de activación (salidas) de las neuronas
conectadas. Es decir, si dos unidades son activas (positivas), se producen un
reforzamiento de la conexión. Por el contrario, cuando una es activa y la otra es
pasiva (negativa), se produce un debilitamiento de la conexión.

Lamodificación de los pesos se realiza en función de los estados (salidas) de las
neuronas obtenidas tras la presentación de cierto estímulo (información de entrada
de la red

1.3 Tipo de Asociación entre la información de entrada y la salida
La función de activación de cada neurona (i) de la red (f(x)) es de tipo escalón.
Si se trabaja con los valores binarios –1 y +1 suele considerarse el valornulo para θi
(umbral).

⎧− 1
f ( x) = ⎨
⎩+ 1

x < θi

(1)

x > θi

1.4 Representación de la Información
Previamente codificada y representada en forma de vector como una configuración
binaria “red discreta”.

Fig. 1. Representación gráfica del modelo de Red de Hopfield. HILERA, J. R.
MARTINEZ, V. J. Redes Neuronales Artificiales. Fundamentos, modelos y
aplicaciones. Alfaomega.2000.

2 Objetivos

Basados en los parámetros prefijados por el titular de la Cátedra Inteligencia Artificial
II, para un mejor comprensión del Modelo de Hopfield se realizó el siguiente trabajo:
Desarrollar un programa que por medio del aprendizaje de tres patrones iniciales
pueda realizar el reconocimiento de un cuarto patrón el cual será corrupto. El
programa tomando está última entradatendrá que realizar un proceso de
aproximación a uno de los tres patrones aprendidos.

3 Desarrollo

3.1 Materiales y métodos
Para el desarrollo del presente programa, se recurrió dada la facilidad de la interfase
visual al lenguaje Visual Basic 6.0 y para guardar los patrones que se van a ingresar
se utilizó Microsoft Acces 2000.
Basados en el Modelo de Hopfield se diseñaron tres módulosprincipales:
El primer se llama “Comparar” y verifica la condición de ortogonalidad de los
patrones, esta condición no es necesaria para continuar con el proceso aunque de
cumplimentarla se asegura convergencia de la entrada corrupta.
El segundo se llama “Aprender”, y en el mismo se desarrolla el algoritmo de la
siguiente forma

W

=

∑ (v
m

i=1

i

∗v

T
i

− MI

)...