redes neuronales

Contenido





REDES NEURONALES

UN POCO DE HISTORIA DE LAS REDES NEURONALES ARTIFISIALES
acompañado. De hecho, la aparición de los computadores digitales y el desarrollo de las teorías modernas acerca desde la década de los 40, en la que nació y comenzó a desarrollarse la informática, el modelo neuronal la ah del aprendizaje y del procesamiento neuronal se produjeron aproximadamente almismo tiempo, a finales de los años cuarenta.
desde entonces hasta nuestros días, la investigación neurofisiológica y el estudio de sistemas neuronales artificiales (ANS, Artificial neural Sistems) han ido de la mano. Sin embargo, los modelos de ANS no se centran en la investigación neuronologica, si no que toma conceptos e ideas del campo de las ciencias naturales para aplicarlos a laresolución de problemas pertenecientes a otras ramas de las ciencias y la ingeniería.
podemos decir que la tegnologia ANS incluye modelos inspirados por nuestra comprensión del cerebro, pero que no tienen por que adjuntarse exactamente a los modelos derivados de dicho entendimiento.
los primeros ejemplos de estos sistemas aparecen al final de la década de los cincuenta. La referencia histórica mascorriente es la que alude al trabajo realizado por Frank rosenblatt en un dispositivo denominado percepción, hay otros ejemplos, tales como el desarrollo del adaline por el profesor Bernard widrow.
durante todos estos años, la tecnología ANS no siempre ha tenido la misma consideración en las ramas de la ingeniería y las ciencias de la computación, mas ansiosas de los resultados que las cienciasneuronales, a partir de 1969, el pesimismo debido a las limitadas capacidades del perceptor hizo languidecer este tipo de investigación.
a principios de los 80, por un lado hopfield y sus conferencias acerca de la memoria autoasociativa y por otro lado la aparición del libro Parallel Distributed Processing (PDP), escrito por Rumehart reactivaron la investigación en el campo de las redes neuronales. Hubograndes avances que propiciaron el uso comercial en campos tan variados como el diagnostico de enfermedades la aproximación de funciones o el reconocimiento de imágenes.(1)
los primeros ejemplos de este sistema aparece al final de la década de los cincuenta, la referencia histórica mas corriente es la que alude al trabajo realizado por Frank rosenbalt en un dispositivo denominado perceptron.MODELO DE NEURONA ARTIFICIAL
el modelo de Rumenhart y mcClelland (1986) define un elemento de proceso (EP), o neurona artificial, como un dispositivo que a partir de un conjunto de entradas, x¡ (i=1…n) o vector, x genera una salida única salida
esta neurona artificial consta de los siguientes elementos:
conjunto de entradas o vector de entradas x, de n componentes.
conjunto de pesoso sinopticoswij. Representan la interaccion entre la neurona presinaptica j y la prostsinaptica i.
regla de propagación d(wij,xj(t)): proporciona el potencial postsinaptico, hi(t)
función de activación ai(t)=f(ai(t-1),h(t)): proporciona el estado de activación de la neurona en función del estado anterior y del valos postsinaptico.
función de salidaFi(t): proporciona la salida yi(t), en función del estado deactivación.
Las señales de entrada y salida pueden ser señales binarias (0,1 – neuronas de mcCulloch y pits) bipolares (-1,1) números enteros o continuos, variables borrosas, etc.
la regla de propagación suele ser una suma ponderada del producto escalar del vector de entrada y el vector de pesos. También se usa amenudo la distancia euclidea entre ambos vectores.
exist6en otro tipo de reglasmenos conocidas como la distancia de cada red neuronal artificial.
hi(t). suele ser una función determinista y, casi siempre, continua y monótona creciente. Las mas comunes son la función signo (+1 si hi(t)>0, -1 en caso contrario), la función semilineal y las funciones sigmoides:(1)

la función de salida suele ser la identidad. En algunos casos es un valor umbral (la neurona no se activa...