Una red neuronal, según Freman, es un
sistema de procesadores paralelos
conectados entre
sí en forma de grafo dirigido.
Esquemáticamente cada
elemento de
procesamiento (neuronas)
de la red se representa como un nodo.
Lo importante en el
desarrollo de la técnica de las RNA es su útil comportamiento al aprender,
reconocer y
aplicar relaciones entre objetos y tramas de objetos propios del mundo real.
La posibilidad de resolver problemas difíciles es darle
gracias a los principios de las redes neuronales,
los cinco más importantes es citado por Martínez.
uAprendizaje adaptativo: pueden comportarse en función de un entrenamiento con una
serie de ejemplos
ilustrativos.
u Auto organización: Mientras que el aprendizaje es un proceso donde se
modifica la información
interna de la
red neuronal artificial, la autoorganización consiste en la modificación de la red completa con el fin de llevar a cabo un
objetivo específico.
uTolerancia
a fallos: En la
computación tradicional la pérdida de un fragmento pequeño de información puede
acarrear comúnmente la inutilización del sistema. Las redes neuronales
artificiales poseen una alta capacidad de tolerancia a fallos. Se entiende por
ello que las redes pueden reconocer patrones de información con ruido,
distorsión o incompletos, pero que, además, pueden seguir trabajando aunque se
destruya parte de la red (con cierta degradación).
uOperación
en tiempo real: Las redes neuronales artificiales, de todos los
métodos existentes,
son las más
indicadas para el reconocimiento de patrones en tiempo real, debido a que trabajan en paralelo
actualizando todas sus instancias simultáneamente.
uFácil
inserción en la tecnología existente: Es relativamente sencillo obtener chips
especializados para redes
neuronales que mejoran su capacidad en ciertas tareas. Ello facilita la integración
modular en los sistemas existentes.
Estructura de una red neuronal
artificial
Las
redes neuronales artificiales están formadas por una gran cantidad de neuronas,
estas
no
suelen denominarse neuronas artificiales sino nodos o unidades de salida. Un
nodo o
neurona
cuenta con una cantidad variable de entradas que provienen del exterior
(X1,
X2, ......, Xm). A
su vez dispone de una sola salida (Xj) que transmitirá la información al
exterior
o hacia otras neuronas. Cada Xj o señal de salida tiene asociada una
magnitud
llamada
peso este se calculará en función de las entradas, por lo cual cada una de
ellas es
afectada
por un determinado peso (Wjo...Wjq+m).
Los pesos corresponden a la
intensidad
de los enlaces sinápticos entre neuronas y varían libremente en función del
tiempo
y
en cada una de las neuronas que forman parte de la red.
Las
investigaciones bibliométricas, a
través de la utilización de las redes neuronales,
incursionan
en:
•
la selección de variables,
•
clasificación de información o formación de cluster,
•
regresión,
•
relaciones entre variables,
•
cambios y desviaciones,
•
representación de las variables.
No hay comentarios.:
Publicar un comentario