Redes Neuronales

CAPITULO CUATRO
APRENDIZAJE CON REDES NEURONALES
ARTIFICIALES
Una red neuronal artificial es, básicamente, el resultado de los intentos por
reproducir mediante computadores el funcionamiento del cerebro humano. Su
principal aplicación es en torno a las tareas en que los seres humanos
fácilmente superan a los computadores tradicionales, como en procesamiento
de señales, procesamiento de imágenes,procesamiento de voz, en robótica y
otros.
Nuestro cerebro está formado
por miles de millones de neuronas
interconectadas entre sí en forma variable y compleja. Cada neurona recibe
señales de las otras neuronas, o señales provenientes del exterior de la red,
las procesa, ponderando o dándole distinta importancia a cada una de ellas, y
genera una única señal de salida que se transmite a las otrasneuronas.
La información que procesa una red neuronal se encuentra dispersa entre
todas sus interconexiones, lo que la hace fundamentalmente diferente a un
computador tradicional, en que la información se encuentra totalmente
localizada y no distribuida como en este caso. Esta cualidad hace que las
redes neuronales posean una gran tolerancia a fallas.

4.1. FUNDAMENTOS BIOLÓGICOS
La figura 4.1muestra el modelo biológico de la neurona, elemento base de las
redes de neuronas.

Mg. Abraham Gamarra Moreno

165

Figura 4.1. Modelo de la Neurona Biológica

Como se aprecia en esta figura, cada neurona en el cerebro está compuesta
básicamente por un cuerpo, axones y dendritas. Las dendritas forman un
"cepillo filamentoso" muy fino que rodea el cuerpo de la neurona. El axón
puede considerarse comoun tubo largo y fino que se subdivide en numerosas
ramas que terminan en pequeños bulbos, los cuales tienen contacto con las
dendritas de las otras células. La pequeña separación entre una terminación y
una dendrita es llamada sinapsis. El axón de una neurona puede formar
conexiones sinápticas con muchas otras neuronas.
Funcionalmente, las dendritas reciben señales desde otras células a travésde
los puntos de conexión llamados sinapsis. La fuerza de una conexión dada es
determinada por la eficiencia de la transmisión sináptica. Desde ahí las señales
son pasadas al cuerpo de la célula. Las señales que llegan de las dendritas
pueden ser excitatorias o inhibitorias, y si la suma ponderada de éstas,
realizada dentro del cuerpo de la neurona, supera su "umbral de activación"
dentro de untiempo suficiente, la neurona se disparará, enviando un impulso
nervioso a través de su axón.

4.2. LA NEURONA ARTIFICIAL
En la figura 4.2 se presenta el esquema típico de la neurona artificial.
X1

X2

W

1j

W 2j

Yj

.:
:
Xn

Axones

Zj=

W ij

Xi

F ( Zj )

W nj
Sinapsis

Dendritas

Cuerpo

de la

Neurona

Axón

Figura 4.2: Modelo de la Neurona Artificial

166

Tópicos y Aplicaciones de laInteligencia Artificial

El cuerpo de la neurona será a menudo representada por la suma ponderada
de las entradas, Zj, seguida por una función lineal o no lineal, Yj = F( Zj). La
eficiencia sináptica es representada por los "pesos de interconexión", Wij. La
función F(Zj) es llamada "función de activación", que usa los valores de
entrada para determinar la actividad de la neurona. El modelo de la neuronaes
llamado neurona de McCulloch-Pitts .

4.2.1.

PESOS DE INTERCONEXIÓN

Los pesos de interconexión, representan la fuerza de interconexión entre las
neuronas, y pueden ser positivos (excitatorios) o negativos (inhibitorios);
además pueden ser fijos o adaptables. Las redes con pesos adaptables usan
leyes de aprendizaje para ajustar los valores de la fuerza de interconexión. Si
la red neuronal usapesos fijos las tareas a ser ejecutadas deben estar bien
definidas a priori.

4.2.2.

FUNCIONES DE ACTIVACIÓN

Existen distintos tipos de redes neuronales que usan diferentes funciones de
activación, F(Z), pero la estructura interna de la neurona , es decir la suma
ponderada seguida por la función F(Z), es común en la mayoría de las redes.
Entre las funciones de activación más usadas y...