Redes Neuronales

Redes Neuronales Artificiales
Introducción
De igual manera que el proceso biológico que se lleva a cabo en el cerebro, una red neuronal
artificial intenta simular con gran precisión el funcionamiento de la comunicación de las células
que conforman el cerebro humano, el documento que se presenta a continuación es una breve
descripción de este proceso.

Redes
Una forma eficiente de resolverproblemas complejos es siguiendo el lema “divide&conquer”,
ya que un sistema complejo puede dividirse en elementos más simples que son más fáciles de
comprender y resolver, por otro lado, un conjunto de elementos simples puede reunirse para
formar un sistema complejo, y las redes son una aproximación que permite construir este
sistema. Hay un gran número de diferentes tipos de redes, perotodas ellas se caracterizan por
tener; un conjunto de nodos y, conexiones entre nodos.
Los nodos se pueden observar como unidades computacionales, éstos reciben entradas y las
procesan para obtener una salida, este proceso puede ser muy simple (como una sumatoria de
entradas), o de gran complejidad (un nodo puede contener otra red).
Las conexiones determinan el flujo de información entre nodos,pueden ser unidireccionales
cuando la información fluye en un solo sentido, o bidireccionales, cuando la información fluye
en los dos sentidos.
Las interacciones de los nodos a través de las conexiones nos llevan a un comportamiento
global de la red, el cual no puede ser observado en los elementos de red. Este
comportamiento global se dice que es emergente, esto significa que las capacidadesde la red
sustituyen a las de sus elementos, convirtiéndola en una herramienta muy poderosa.

Redes Neuronales Artificiales
Un tipo de red, observa a los nodos como neuronas artificiales, a estas se les denomina redes
neuronales artificiales (RNA), una neurona artificial es un modelo computacional inspirado en
las neuronas naturales. Las neuronas reciben señales a través de la sinapsislocalizada en las
dendritas o membrana de la neurona. Cuando las señales recibidas son lo suficientemente
grandes (superan cierto límite), la neurona se activa y emite una señal a través del axón, esta
señal puede enviarse a otra sinapsis y puede activar otras neuronas.

Figura 1. Neurona Natural (concepción artística).

La complejidad de las neuronas reales es altamente abstraída cuando semodelan neuronas
artificiales, ya que básicamente consisten en entradas (como las sinapsis), las cuales son
multiplicadas por pesos (intensidad de las señales respectivas), y luego computarizada por una
función matemática la cual determina la activación de la neurona. Otra función (que debería
identificarse) calcula l salida de la neurona artificial (a veces dependiente de cierto umbral). Lasredes neuronales artificiales combinan neuronas artificiales para procesar información.

Figura 2. Una Neurona Artificial.

Mientras más alto es el peso de una neurona artificial, la entrada por la que se multiplica
tendrá más fuerza. Los pesos pueden ser negativos, así que podemos decir que la señal es
inhibida por el peso negativo. Dependiendo de los pesos, el cálculo de la neurona serádiferente. Ajustando los pesos de una neurona artificial podemos obtener la salida que
necesitamos para ciertas entradas específicas. Pero cuando tenemos una red de neuronas
artificiales de cientos o miles de neuronas, será más complicado encontrar a mano todos los
pesos necesarios. Pero podemos encontrar algoritmos con los cuales se pueden ajustar los
pesos de las RNA con la finalidad de obtenerlas salidas deseadas de la red. Este proceso de
ajustar los pesos se llama entrenamiento o aprendizaje.
Existe una enorme cantidad de clases de redes neuronales y sus aplicaciones, y desde el primer
modelo de McCulloch y Pitts en 1943, se han desarrollado cientos de modelos diferentes
considerando RNA. Las diferencias entre ellas pueden ser las funciones, los calores aceptados,
la...