Temas Prolog

Inteligencia Artificial I

UCSA

2009

Redes Neuronales Artificiales

Las Redes Neuronales:
• Consisten en unidades de procesamiento que intercambian datos e información.
• Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuencias
de tiempo, tendencias financieras.
• Tienen capacidad de aprender y mejorar su funcionamiento.
Una primera clasificación de losmodelos de Redes Neuronales Artificiales (RNA) podría ser,
atendiendo a su similitud con la realidad biológica:
1) El modelo 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. Este modelo no tiene por qué guardar similitud
con lossistemas biológicos. Su arquitectura está fuertemente ligada a las
necesidades de las aplicaciones para la que es diseñada.
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
organizados en 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 redesinterconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales
intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema
nervioso biológico.
Ventajas que ofrecen las Redes Neuronales
Debido a su constitución y a sus fundamentos, las Redes Neuronales Artificiales presentan un
gran número decaracterísticas semejantes a las del cerebro. Por ejemplo, son capaces de
aprender de la experiencia, de generalizar 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 seincluyen:

1

Inteligencia Artificial I

UCSA

2009

Aprendizaje Adaptativo: capacidad de aprender a realizar tareas basadas en un entrenamiento
o en una experiencia 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 auna 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 chipsespecializados para
Redes Neuronales que mejoran su capacidad en ciertas tareas. Ello facilitará la integración
modular en los sistemas existentes.
Aprendizaje 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 RNAs puedenaprender a diferenciar patrones mediante
ejemplos y entrenamientos, no es necesario elaborar modelos a priori ni necesidad de
especificar funciones 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...