Redes neuronales

Conceptos básicos
INTRODUCCIÓN
Las Redes Neuronales Artificiales (ANNs de Artificial Neural Networks) fueron originalmente
una simulación abstracta de los sistemas nerviosos biológicos, formados por un conjunto de
unidades llamadas "neuronas" o "nodos" conectadas unas con otras. Estas conexiones tienen una
gran semejanza con las dendrítas y los axones en los sistemas nerviosos biológicos.El Primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de
un modelo computacional de "actividad nerviosa". El modelo de McCulloch-Pitts es un modelo
binario, y cada neurona tiene un escalón o umbral prefijado. Este primer modelo sirvió de ejemplo
para los modelos posteriores de Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos
otros.
Una primeraclasificación de los modelos de ANNs podría ser, atendiendo a su similitud con la
realidad biológica:
1. Los modelos de tipo biológico. Este comprende las redes que tratan de simular los
sistemas neuronales biológicos así como las funciones auditivas o algunas funciones
básicas de la visión.
2. El modelo dirigido a aplicación. Estos modelos no tienen porque guardar similitud con los
sistemasbiológicos. Sus arquitecturas están fuertemente ligadas a las necesidades de las
aplicaciones para las que son diseñados.
Inteligencia Artificial – Redes Neuronales Artificiales página 1 de 19
Redes Neuronales de tipo Biológico
Se estima que el cerebro humano contiene más de cien mil millones ( ) de neuronas y sinápsis en el
sistema nervioso humano. Estudios sobre la anatomía del cerebro humanoconcluyen que hay más de 1000 sinápsis
a la entrada y a la salida de cada neurona. Es importante notar que aunque el tiempo de conmutación de la neurona (
unos pocos milisegundos) es casi un millón de veces menor que en las actuales elementos de las computadoras,
ellas tienen una conectividad miles de veces superior que las actuales supercomputadoras.
El objetivo principal de de las redesneuronales de tipo biológico es desarrollar un elemento sintético para
verificar las hipótesis que conciernen a los sistemas biológicos.
Las neuronas y las conexiones entre ellas (sinápsis) constituyen la clave para el procesado de la información.
Observe la figura:
La mayor parte de las neuronas poseen una estructura de árbol llamadas dendritas que reciben las señales de
entrada que vienen deotras neuronas a través de la uniones llamadas sinápsis. Algunas neuronas se comunican
solo con las cercanas, mientras que otras se conectan con miles.
Hay tres partes en una neurona:
1. el cuerpo de la neurona,
2. ramas de extensión llamadas dendrítas para recibir las entradas, y
3. un axón que lleva la salida de la neurona a las desdirías de otras neuronas.
La forma que dos neuronasinteractuan no está totalmente conocida, dependiendo además de cada neurona. En
general, una neurona envía su salida a otras por su axón. El axón lleva la información por medio de diferencias de
potencial, u ondas de corriente, que depende del potencial de la neurona. Este proceso es a menudo modelado como
una regla de propagación representada por la función de red u(.). La neurona recoge las señalespor su sinápsis
sumando todas las influencias excitadoras e inhibidoras. Si las influencias excitadoras positivas dominan, entonces la
neurona da una señal positiva y manda este mensaje a otras neuronas por sus sinápsis de salida. En este sentido la
neurona puede ser modelada como una simple función escalón f(.). Como se muestra en la próxima figura, la neurona
se activa si la fuerza combinadade la señal de entrada es superior a un cierto nivel, en el caso general el valor de
activación de la neurona viene dado por una función de activación f(.).
Inteligencia Artificial – Redes Neuronales Artificiales página 2 de 19
Redes Neuronales para aplicaciones concretas
Las ANNs dirigidas a aplicación están en general poco ligadas a las redes neuronales biológicas. Ya que el
conocimiento...