Redes neuronales

3.1 Definiciones de una red neuronal.

Existen numerosas formas de definir a las redes neuronales; desde las
definiciones cortas y genéricas hasta las que intentan explicar más detalladamente qué
son las redes neuronales. Por ejemplo:
1) Una nueva forma de computación, inspirada en modelos biológicos.
2) Un modelo matemático compuesto por un gran número de elementos
procesales organizadosen niveles.
3) ...un sistema de computación compuesto por un gran número de elementos
simples, elementos de procesos muy interconectados, los cuales procesan información
por medio de su estado dinámico como respuesta a entradas externas.
4) Redes neuronales artificiales son redes interconectadas masivamente en
paralelo de elementos simples (usualmente adaptativos) y con organizaciónjerárquica,
las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo
hace el sistema nervioso biológico.

3.2 Ventajas que ofrecen las red neuronal.
Debido a su constitución y a sus fundamentos, las redes neuronales artificiales
presentan un gran número de características semejantes a las del cerebro. Por ejemplo,
son capaces de aprender de la experiencia, degeneralizar de casos anteriores a nuevos
casos, de abstraer características esenciales a partir de entradas que representan
información irrelevante, etc. Esto hace que ofrezcan numerosas ventajas y que este tipo
de tecnología se esté aplicando en múltiples áreas. Entre las ventajas se incluyen:
_ Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas basadas en
un entrenamiento o en unaexperiencia inicial.
_ Auto-organización. Una red neuronal puede crear su propia organización o
representación de la información que recibe mediante una etapa de aprendizaje.
_ Tolerancia a fallos. La destrucción parcial de una red conduce a una
degradación de su estructura; sin embargo, algunas capacidades de la red se pueden
retener, incluso sufriendo un gran daño.
_ Operación en tiempo real.Los cómputos neuronales pueden ser realizados en
paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener
esta capacidad.
_ Fácil inserción dentro de la tecnología existente. Se pueden obtener chips
especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello
facilitará la integración modular en los sistemas existentes.
9
3.2.1Aprendizaje adaptativo.
La capacidad de aprendizaje adaptativo es una de las características más
atractivas de redes neuronales. Esto es, aprenden a llevar a cabo ciertas tareas mediante
un entrenamiento con ejemplos ilustrativos.
Como las redes neuronales pueden aprender a diferenciar patrones mediante
ejemplos y entrenamientos, no es necesario elaborar modelos a priori ni necesidad de
especificarfunciones de distribución de probabilidad.
Las redes neuronales son sistemas dinámicos autoadaptativos. Son adaptables
debido a la capacidad de autoajuste de los elementos procesales (neuronas) que
componen el sistema. Son dinámicos, pues son capaces de estar constantemente
cambiando para adaptarse a las nuevas condiciones.
En el proceso de aprendizaje, los enlaces ponderados de lasneuronas se ajustan
de manera que se obtengan ciertos resultados específicos. Una red neuronal no necesita
un algoritmo para resolver un problema, ya que ella puede generar su propia
distribución de pesos en los enlaces mediante el aprendizaje. También existen redes que
continúan aprendiendo a lo largo de su vida, después de completado su período de
entrenamiento.
La función del diseñador esúnicamente la obtención de la arquitectura
apropiada. No es problema del diseñador el cómo la red aprenderá a discriminar. Sin
embargo, sí es necesario que desarrolle un buen algoritmo de aprendizaje que le
proporcione a la red la capacidad de discriminar, mediante un entrenamiento con
patrones.
3.2.2 Auto-organización.
Las redes neuronales emplean su capacidad de aprendizaje adaptativo para...