REDES NEURONALES ARTIFICIALES JHONAIMER DIAZ CERQUERA IA-801

¿Qué son la redes neuronales? Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial forman una parte realmente importante del proceso de minería de datos.

FUNCIONAMIENTO Las redes neuronales consisten en una simulación de las propiedades observadas en los sistemas neuronales biológicos A través de modelos matemáticos recreados mediante mecanismos artificiales (como un circuito integrado, un ordenador o un conjunto de válvulas).

El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez.

VENTAJAS Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es la salida (respuesta) esperada. Auto organización: Una RNA crea su propia representación de la información en su interior, descargando al usuario de esto. Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.

VENTAJAS Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada (ej. si la información de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente). Tiempo real: La estructura de una RNA es paralela, por lo cuál si esto es implementado con computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.

ALGO DE HISTORIA…. Las redes neuronales son un concepto relativamente nuevo (las primeras aproximaciones datan de 1950) en comparación con otros como el calculo, las ecuaciones, los algoritmos, etc. Se inventaron teniendo en mente realizar procesos similares a los que se producen física y biológicamente en la mente de los animales y humanos.

ALGO DE HISTORIA…. Teniendo esta premisa, se elaboraron modelos matemáticos muy simplificados que intentan de alguna manera simular el comportamiento de las neuronas. Al ser un modelo simplificado, los resultados solo se aproximan a imitar a la mente, pero son suficientes para reconocer patrones, clasificar elementos, etc.

APLICACIONES Las redes neuronales tratan de resolver de forma eficiente problemas que pueden encuadrarse dentro de tres amplios grupos: optimización, reconocimiento y generalización. Estos tres tipos engloban un elevado número de situaciones, lo que hace que el campo de aplicación de las redes neuronales en la gestión empresarial sea muy amplio.

APLICACIONES En los problemas de optimización, se trata de determinar una solución que sea óptima. Generalmente se aplican redes neuronales realimentadas. En la gestión empresarial, son decisiones de optimización encontrar los niveles de tesorería, de existencias, de producción, construcción de carteras óptimas, etc. En los problemas de reconocimiento, se entrena una red neuronal con inputs como sonidos, números, letras y se procede a la fase de test presentando esos mismos patrones con ruido. Este es uno de los campos más fructíferos en el desarrollo de redes neuronales. En los problemas de generalización, la red neuronal se entrena con unos inputs y el test se realiza con otros casos diferentes. Problemas típicos de generalización son los de clasificación y predicción.