Redes Neuronales

Introducción a las redes neuronales aplicadas
Conceptos básicos
Las Redes Neuronales (NN: Neural Networks) fueron originalmente una simulación abstracta de los sistemas nerviosos biológicos, constituidos por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros. El primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de un modelocomputacional de actividad nerviosa. Este modelo era un modelo binario, donde cada neurona tenía un escalón o umbral prefijado, y sirvió de base para los modelos posteriores. Una primera clasificación de los modelos de NN es: 1. Modelos inspirados en la Biología: Estos comprenden las redes que tratan de simular los sistemas neuronales biológicos, así como ciertas funciones como las auditivas o de visión. 2.Modelos artificiales aplicados: Estos modelos no tienen por qué guardar similitud estricta con los sistemas biológicos. Sus arquitecturas están bastante ligadas a las necesidades de las aplicaciones para las que son diseñados.

Redes Neuronales de tipo biológico
Se estima que el cerebro humano contiene más de cien mil millones (1011 ) de neuronas y 1014 sinapsis en el sistema nervioso. Losestudios realizados sobre la anatomía del cerebro 1

humano concluyen que hay, en general, más de 1000 sinapsis por término medio a la entrada y a la salida de cada neurona. Aunque el tiempo de conmutación de las neuronas biológicas (unos pocos milisegundos) es casi un millón de veces mayor que en las actuales componentes de las computadoras, las neuronas naturales tienen una conectividad miles deveces superior a la de las artificiales. El objetivo principal de las redes neuronales de tipo biológico es desarrollar operaciones de síntesis y procesamiento de información, relacionadas con los sistemas biológicos.

Las neuronas y las conexiones entre ellas (sinapsis) constituyen la clave para el procesado de la información. La mayor parte de las neuronas poseen una estructura de árbol, llamadadendritas, que reciben las señales de entrada procedentes de otras neuronas a través de las sinapsis. Una neurona consta de tres partes: 1. El cuerpo de la neurona, 2. Las dendritas, que reciben las entradas, 3. El axón, que lleva la salida de la neurona a las dendritas de otras neuronas. 2

La forma completa en la que dos neuronas se relacionan no es totalmente conocida, y depende además deltipo particular de cada neurona. En general, una neurona envía su salida a otras por su axón, y éste lleva la información por medio de diferencias de potencial eléctrico.

Este proceso es a menudo modelizado como una regla de propagación representada por una función u(·). La neurona recoge las señales por su sinapsis sumando todas las influencias excitadoras e inhibidoras. Si las influenciasexcitadoras positivas dominan, entonces la neurona produce una señal positiva y manda este mensaje a otras neuronas por sus sinapsis de salida. En este sentido, la neurona actúa como una simple función escalón f (·).

3

Redes Neuronales Artificiales (NN)
Las NN aplicadas están, en general, inspiradas en las redes neuronales biológicas, aunque poseen otras funcionalidades y estructuras de conexióndistintas a las vistas desde la perspectiva biológica. Las características principales de las NN son las siguientes: 1. Auto-Organización y Adaptabilidad: utilizan algoritmos de aprendizaje adaptativo y auto-organización, por lo que ofrecen mejores posibilidades de procesado robusto y adaptativo. 2. Procesado no Lineal: aumenta la capacidad de la red para aproximar funciones, clasificar patrones yaumenta su inmunidad frente al ruido. 3. Procesado Paralelo: normalmente se usa un gran número de nodos de procesado, con alto nivel de interconectividad. El elemento básico de computación (modelo de neurona) se le llama habitualmente nodo o unidad. Recibe un input desde otras unidades o de una fuente externa de datos. Cada input tiene un peso asociado w, que se va modificando en el llamado...