JHONAIMER DIAZ CERQUERA
IA-801

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.
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.
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.
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.
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.

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.


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.



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.
Descargar

REDES NEURONALES ARTIFICIALES