Redes Neuronales

Contenido

Introducción. 2

Objetivos de la investigación. 3

Marco teórico. 3

Hipótesis. 7

Desarrollo. 8

Conclusión. 13

Glosario. 14

Fuentes y bibliografía. 14

Introducción.

El ser humano siempre ha querido simplificar su vida, desde el comienzo de su existencia ha diseñado útiles mecanismos con los cuales realizar las tareas cotidianas donde se requiere mucha fuerza, ejemplos de esto son la maquinaria pesada, motores, poleas, etc.

Éstos esfuerzos han dado frutos y nuestra vida es mucho más cómoda, después, gracias a esto los esfuerzos fueron encausados hacia otras disciplinas como el cálculo, donde se desarrollaron máquinas para realizar operaciones, desde el ábaco hasta la primera computadora ENIAC hecha gracias a los avances tecnológicos de esa época, justo después de la segunda guerra mundial en 1946.

Ahora muchos problemas matemáticos son resueltos eficaz y rápidamente gracias a las computadoras y otros dispositivos similares que se valen de algoritmos previamente diseñados, pero ¿Qué pasa cuando hay problemas que no requieren un tratamiento algorítmico?, como es el caso de clasificación por rasgos comunes. Entonces se intentan crear nuevas máquinas diferentes, ahí es donde entra la inteligencia artificial donde se intenta emular en cierta forma a la inteligencia humana.

Todos los problemas que no se pueden resolver mediante un algoritmo común tienen algo en común: se pueden resolver por medio de la experiencia, algo que hasta ahora solo los humanos pueden adquirir gracias a las neuronas.

En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia.

Básicamente lo que ocurre en una neurona biológica es lo siguiente: la neurona es estimulada a través de sus entradas inputs y cuando llega el umbral ésta se activa y pasa la señal al axón.

La neurona parece ser una célula muy simple, pero cuando se juntan e interconectan miles de millones de éstas células se convierten en un sistema muy grande, complejo y poderoso, mediante el cual el ser humano es capaz de aprender, y el aprendizaje no es más que llevar a cabo una actividad exitosamente gracias a intentos previos donde se recabó información, se procesó y se obtuvo una experiencia.

Por lo tanto, las Redes Neuronales:

-Consisten de unidades de procesamiento que intercambian datos o información.

-Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuencias de tiempo (por ejemplo: tendencias financieras).

-Tienen capacidad de aprender y mejorar su funcionamiento.

Una primera clasificación de los modelos de redes neuronales 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 los sistemas biológicos. Su arquitectura está fuertemente ligada a las necesidades de las aplicaciones para la que es diseñada.

Objetivos de la investigación.

-Conocer cómo funcionan las redes neuronales artificiales y saber para qué pueden servir.

-Conocer un poco de los algoritmos que hacen que una máquina sea capaz de aprender y reconocer cosas.

-Conocer cómo se podrían aplicar en sistemas mecatrónicos.

-Conocer en qué tan desarrollada está la tecnología.

Marco teórico.

Para entender que es una red neuronal artificial se debe saber qué es una neurona biológica:

Las neuronas son un tipo de células del sistema nervioso cuya principal característica es la excitabilidad eléctrica de su membrana plasmática; están especializadas en la recepción de estímulos y conducción del impulso nervioso (en forma de potencial de acción) entre ellas o con otros tipos celulares, como por ejemplo las fibras musculares de la placa motora. Altamente diferenciadas, la mayoría de las neuronas no se dividen una vez alcanzada su madurez; no obstante, una minoría sí lo hace.

En las neuronas se pueden distinguir tres partes fundamentales, que son:

Estructura de una neurona clásica

Soma o cuerpo celular: Corresponde a la parte más voluminosa de la neurona. Aquí se puede observar una estructura esférica llamada núcleo. Éste contiene la información que dirige la actividad de la neurona. Además, en el soma se encuentra el citoplasma. En él se ubican otras estructuras que son importantes para el funcionamiento de la neurona.

Dendritas: Son prolongaciones cortas que se originan del soma neural. Su función es recibir impulsos de otras neuronas y enviarlas hasta el soma de la neurona.

Axón: Es una prolongación única y larga. Su función es sacar el impulso desde el soma neuronal y conducirlo hasta otro lugar del sistema.

Núcleo: Situado en el cuerpo celular, suele ocupar una posición central y ser muy conspicuo (visible), especialmente en las neuronas pequeñas. Contiene uno o dos nucléolos prominentes, así como una cromatina dispersa, lo que da idea de la relativamente alta actividad transcripcional de este tipo celular. La envoltura nuclear, con multitud de poros nucleares, posee una lámina nuclear muy desarrollada. Entre ambos puede aparecer el cuerpo accesorio de Cajal, una estructura esférica de en torno a 1 μm de diámetro que corresponde a una acumulación de proteínas ricas en los aminoácidos arginina y tirosina.

Alguna definiciones de red neuronal artificial según diversas fuentes:

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 redes interconectadas 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.

5) Un dispositivo computacional compuesto de unidades que se asemejan a las neuronas. Dichas redes son frecuentemente utilizadas para simular la actividad cerebral.

6)La definición más aceptada y completa considera a una red neuronal como una estructura formada por muchos procesadores simples llamados nodos o neuronas, conectados por medio de canales de comunicación o conexiones. Cada una de ellas tiene una cantidad de memoria local, operando solamente con sus datos locales y sobre las entradas que recibe a través de esas conexiones.

Cómo hemos visto en la figura anterior, las redes neuronales constan de una gran cantidad de neuronas conectadas entre sí, en donde distinguimos 3 capas: la capa de entrada (donde se introducen los datos), después pasa a las capas ocultas (puede haber varias capas) y la capa de salida (por donde salen los datos).

Pero también, está composición puede variar según el tipo y los objetivos de la red. También en esto influye la función de transferencia que se utilicen. Cómo hemos podido observar la figura anterior, utiliza un sistema en que las conexiones son hacia delante, pero también nos podemos encontrar redes neuronales con las conexiones hacia atrás, denominadas funciones recursivas.

También debemos de tener en cuenta los tipos de funciones:

- Función de entrada: Está formada por un vector de entrada (ceros y unos), sería la entrada global de la red neuronal.

-Función de salida: Corresponde a la salida y qué dependerá de que se haya alcanzado un umbral determinado. Los valores de la salida puede estar comprendidos entre [0,1] ó también entre [-1,1], aunque también puede ser una salida binaria bien sea 0 ó 1, aunque también podrá ser -1 y 1. Podemos tener dos salidas distintas:

*Podemos tener la función identidad en donde la salida es la misma que la entrada, ya que no hay ninguna función de salida.

*Si la salida es binaria -> 1 si la activación de la neurona es mayor o igual que el umbral y 0 sino se ha alcanzado el valor del umbral.

-Función de activación: Tantos las neuronas artificiales cómo las neuronas biológicas pueden tener dos estados de activación, cóm pueden ser: activas e inactivas, también denominado: estado de activación. Mediante la función de activación se calcula ese valor de activación a partir del valor de entrada, a la que se le resta el valor del umbral, de forma que podemos tener las siguientes funciones de activación:

o Si la función es lineal, con un rango comprendido entre -1 y 1, en donde la función sea:

f1(x) = x

o Si la función es tangente hiperbólica, con un rango comprendido entre -1 y 1, en donde la función sea:

o Si la función es sigmoidea, con un rango comprendido entre 0 y 1, en donde la función sea:

Todas estas funciones pertenecen a la forma de activarse de una neurona. También podemos encontrar redes, dónde las neuronas utilicen

...