Redes neuronales. Diseño de algoritmos inteligentes para Control Mecatrónico Instituto Tecnológico de Reynosa

[pic 1]

Redes Neuronales

Diseño de Algoritmos Inteligentes para Control Mecatrónico Instituto Tecnológico de Reynosa

La Neurona Biológica

Citoplasma: Es el cuerpo principal de la célula donde radica el grueso de sus funciones.

Dendritas: Son órganos de recepción.

Membrana exterior: La limita y le sirve de órgano de intercambio con el medio exterior.

[pic 2]

La Neurona Artificial

Elemento receptor: Es a donde llegan una o varias señales de entrada xi, que generalmente provienen de otras neuronas y que son atenuadas.

Elemento sumador: Efectúa la suma algebraica ponderada de las señales de entrada, ponderándolas de acuerdo con su peso, aplicando la siguiente expresión:

s = Σwixi

Elemento de función activadora: Aplica una función no lineal de umbral a la salida del sumador para decidir si la neurona se activa, disparando una salida o no.

Elemento de salida: Produce la señal, de acuerdo con el elemento anterior, que constituye la salida de la neurona.

[pic 3]

Ventajas

• Las RNA pueden sintetizar algoritmos a través de un proceso de aprendizaje.
• Para utilizar la tecnología neural no es necesario conocer los detalles matemáticos.
• La solución de problemas no lineales es uno de los fuertes de las RNA.
• Las RNA son robustas, pueden fallar algunos elementos de procesamiento pero la red continúa trabajando.

Desventajas

• El entrenamiento es largo y puede consumir varias horas de la computadora (CPU).
• Debido a que las redes se entrenan en lugar de programarlas, éstas necesitan muchos datos.
• Las RNA representan un aspecto complejo. Para añadir nuevo conocimiento es necesario cambiar las iteraciones entre muchas unidades para que su efecto unificado sintetice este conocimiento.

Tipos de aprendizaje

• Aprendizaje Supervisado
• Aprendizaje No Supervisado
• Aprendizaje por Retroprogramación del Error

Aprendizaje Supervisado

Requiere de un tutor externo o patrones de aprendizaje. Es aplicado para el perceptrón y la Adaline.

Tutor: Conoce el vector de la respuesta para cada entrada y genera un vector de error para retroalimentar la red.

La dependencia del algoritmo entrenador proviene del aporte humano, aunque reduce el gasto en revisión manual de relevancia y codificación.

Aprendizaje No Supervisado

Su función principal es la agrupación. El algoritmo cataloga los datos por similitud para generar grupos.

Alta dependencia del algoritmo respecto a datos en bruto, lo que puede generar mayores gastos de revisión manual para determinar relevancia y codificación.

Retroprogramación Por Error

Estructura de la red:

• La capa de entrada es la única que recibe señales de entrada externas.
• La capa intermedia u oculta está formada por neuronas procesadoras.
• La capa de salida es la que da las respuestas observables de la red.

Tipos de Reprogramación Por Error:

...