{"id":399,"date":"2008-09-23T15:53:57","date_gmt":"2008-09-23T14:53:57","guid":{"rendered":"http:\/\/www.tiendadeultramarinos.es\/?p=399"},"modified":"2008-09-23T17:52:20","modified_gmt":"2008-09-23T16:52:20","slug":"redes-neuronales-artificiales","status":"publish","type":"post","link":"https:\/\/www.tiendadeultramarinos.es\/?p=399","title":{"rendered":"Redes Neuronales Artificiales"},"content":{"rendered":"

Tras el anterior post explicando m\u00e1s o menos en qu\u00e9 consiste realmente la Inteligencia Artificial<\/a> y algunos de los principales algoritmos mediante los que se intenta lograr en la computaci\u00f3n, hoy vamos a centrarnos en un tipo especial de elos: las redes neuronales<\/strong>.<\/p>\n

\"Red<\/a><\/p><\/a>

\n

En ellas, la unidad b\u00e1sica se denomina neurona y recibe unas entradas (valores num\u00e9ricos) a las que realiza una operaci\u00f3n (generalmente suma) y al resultado le aplica una funci\u00f3n. Esta funci\u00f3n devuelve otro resultado que env\u00eda a m\u00e1s neuronas, hasta llegar a la salida final. La idea general est\u00e1 inspirada en el sistema nervioso<\/a> animal,\u00a0 siendo una pobre imitaci\u00f3n del mismo, pero muy \u00fatil a\u00fan as\u00ed.<\/p>\n

Cada entrada dirigida a una neurona viene acompa\u00f1ada de un peso<\/strong>, el cual multiplica el valor de la entrada. La entrada total de la neurona ser\u00e1 la suma (u otra operaci\u00f3n) de todas ellas al que, en ocasiones, se le suma una constante umbral<\/strong>. En toda red hay dos capas conectadas con el exterior, la capa de entradas que recibe los datos, y la capa de salidas, que devuelve la respuesta de la red. Entre ambas pueden situarste una o m\u00e1s capas denominadas ocultas. La capa de entradas tiene la funci\u00f3n de distribuir los datos entre la red, por lo que no se cuentan como una capa m\u00e1s.<\/p>\n

Con esta idea b\u00e1sica se han establecido muy diveros tipos de redes neuronales clasificados seg\u00fan su n\u00famero de capas (monocapa, multicapa) , topolog\u00eda (unidireccionales, realimentadas), aprendizaje (supervisado, no supervisado, mixto), datos de entrada\/salida (cont\u00ednuos, discretos), tipo de respuesta(autoasociativa, heteroasociativa).\u00a0 Con lo que tenemos Perceptron<\/a> (problemas binarios, de clasificaci\u00f3n), MLP<\/a> (problemas no linearmente separables), Adaline<\/a> (Perceptron con entradas reales y no binarias),\u00a0M\u00e1quina de Bolzman<\/a> (problemas de combinatoria), Memorias Asociativas<\/a> (recuperaci\u00f3n de informaci\u00f3n mediante alguna de sus partes, por asociaci\u00f3n), Red de Hopfield<\/a>(tipo de asociativa, basada en perceptron), Mapas autoorganizados<\/a>\/Redes de Kohonen<\/a> y muchos otros tipos diferentes.<\/p>\n

Las redes neuronales tienen dos fases principales de operaci\u00f3n: aprendizaje<\/strong> o entrenamiento, recuerdo<\/strong> o ejecuci\u00f3n. Durante el entrenamiento se aplican \u00abejemplos\u00bb, generalmente un conjunto de datos conocidos que definen una soluci\u00f3n conocida, que mediante una regla de aprendizaje<\/strong> modifican los diferentes pesos de cada neurona en funci\u00f3n de c\u00f3mo difiera la respuesta de la red de la soluci\u00f3n esperada. Los valores de estos pesos representan el grado de conocimiento. El entrenamiento concluye cuando el margen de error entre la salida de la red y la salida real es aceptable. Despu\u00e9s, en la fase de ejecuci\u00f3n, se aplican nuevos datos con soluci\u00f3n desconocida y se espera que la red est\u00e9 preparada para dar una soluci\u00f3n verdadera en base a lo aprendido durante el entrenamiento. Generalmente en esta fase cesa el aprendizaje, por lo que no se modifican los pesos.<\/p>\n

Estos \u00abejemplos<\/em>\u00bb de los que hablaba no son nada especial. Pueden ser fotograf\u00edas de pacientes con c\u00e1ncer de pulmon y sanos (que est\u00e9n catalogadas) y la red \u00abdescubrir\u00e1\u00bb patrones en ellas. Luego, se pasa una nueva foto y deber\u00eda discernir si hay c\u00e1ncer o no. Unos datos de entrada m\u00e1s comunes podr\u00edan ser edad, sexo, peso, altura, color de piel, color de ojos, color de pelo, grupo sangu\u00edneo, y la salida la raza a la que pertenece el sujeto. O figuras geom\u00e9tricas, bien sea mediante im\u00e1genes o las coordenadas de sus puntos y l\u00edneas en el plano. Las posibilidades son infinitas.<\/p>\n<\/div>

<\/a><\/p>