Alumno:

David Freire

Profesor:

Ing. David Castillo

Nivel:

Noveno Semestre

Fecha:

31 de octubre de 2013

Centro de Apoyo:

Puyo

Periodo:

2013 - 2014

Ingeniería

Sistemas

Sistema Expertos

Indicé General

......................................................................................... 14 ...................................................................................... 13

...................................... 7 .......................................................................................... 5

...................................................................... 10 .......................................................................... 6

....................................................................................................... 4

El sistema de neuronas biológico está compuesto por neuronas de entrada (censores) conectados a una compleja red de neuronas "calculadoras" (neuronas ocultas), las cuales, a su vez, están conectadas a las neuronas de salidas que controlan, por ejemplo, los músculos.

En el cerebro hay una gigantesca red de neuronas "calculadoras" u ocultas que realizan la computación necesaria. De esta manera similar, una red neuronal artificial debe ser compuesta por censores del tipo mecánico o eléctrico.

El cerebro humano es el sistema de cálculo más complejo que conoce el hombre. El ordenador y el hombre realizan bien diferentes clases de tareas; así la operación de reconocer el rostro de una persona resulta una tarea relativamente sencilla para el hombre y difícil para el ordenador, mientras que la contabilidad de una empresa es tarea costosa para un experto contable y una sencilla rutina para un ordenador básico.

La capacidad del cerebro humano de pensar, recordar y resolver problemas ha inspirado a muchos científicos intentar o procurar modelar en el ordenador el funcionamiento del cerebro humano.

Un grupo de investigadores ha perseguido la creación de un modelo en el ordenador que iguale o adopte las distintas funciones básicas del cerebro. El resultado ha sido una nueva tecnología llamada Computación Neuronal o también Redes Neuronales Artificiales.

Sistema Expertos

Ingeniería Sistemas Página 6 David Freire Noveno Semestre

1. Red Neuronal Artificial

Las diferentes configuraciones y algoritmos que se diseñan para las redes

neuronales artificiales están inspiradas en la organización del complejo sistema

neuronal del cerebro humano. No obstante conviene aclarar que esta inspiración no

supone que las ANN lleguen a emular al cerebro como algunos optimistas lo desean

ya que entre otras limitaciones el conocimiento sobre el modo de funcionamiento y

comportamiento del cerebro es bastante simple y reducido. De hecho los

diseñadores de redes artificiales van más lejos del conocimiento biológico actual y

prueban nuevas estructuras que presentan un comportamiento adecuado y útil.

El sistema nervioso humano constituido por células llamadas neuronas presenta una

estructura muy compleja. El número estimado de neuronas es de 1011 y las

interconexiones entre ellas son del orden de 1015.

Cada neurona comparte muchas características con otras células del cuerpo

humano pero tiene propiedades particulares y especiales para recibir, procesar y

transmitir señales electroquímicas a través de todas las interconexiones del sistema

de comunicación del cerebro.

En el siguiente gráfico se muestra la estructura de un par de neuronas biológicas.

Del cuerpo de la neurona se extienden las dendritas hacia otras neuronas donde

reciben las señales transmitidas por otras neuronas. El punto de contacto o de

conexión se llama sinapsis y estas entradas son dirigidas al núcleo donde se

suman. Algunas de las entradas tienden a excitar a la célula y otras sin embargo

tienden a inhibir la célula. Cuando la excitación acumulada supera un valor umbral,

las neuronas envían una señal a través del axón a otras neuronas.

Sistema Expertos

Ingeniería Sistemas Página 7 David Freire Noveno Semestre

La mayoría de los modelos de las ANN presenta este funcionamiento básico de la

neurona aun cuando el comportamiento real de una célula nerviosa tiene muchas

complejidades y excepciones.

1.1. Funcionamiento de una red neuronal artificial

La neurona artificial fue diseñada para "emular" las características del

funcionamiento básico de la neurona biológica. En esencia, se aplica un conjunto de

entradas a la neurona, cada una de las cuales representa una salida de otra

neurona. Cada entrada se multiplica por su "peso" o ponderación correspondiente

análogo al grado de conexión de la sinapsis. Todas las entradas ponderadas se

suman y se determina el nivel de excitación o activación de la neurona. Una

representación vectorial del funcionamiento básico de una neurona artificial se

indica según la siguiente expresión de la ecuación

Sistema Expertos

Ingeniería Sistemas Página 8 David Freire Noveno Semestre

Normalmente la señal de salida NET suele ser procesada por una función de

activación F para producir la señal de salida de la neurona OUT. La función F puede

ser una función lineal, o una función umbral o una función no lineal que simula con

mayor exactitud las características de transferencia no lineales de las neuronas

biológicas.

Las funciones F más utilizadas son la función Sigmoid y Tangente hiperbólica

expresadas en la Tabla.

Este tipo de modelo de neurona artificial ignora muchas de las características de las

neuronas biológicas. Entre ellas destaca la omisión de retardos y de sincronismo en

la generación de la salida. No obstante, a pesar de estas limitaciones las redes

construidas con este tipo de neurona artificial presentan cualidades y atributos con

cierta similitud a la de los sistemas biológicos.

Por tal motivo el funcionamiento de una red neuronal artificial están formadas por un

conjunto de neuronas artificiales interconectadas.

Sistema Expertos

Ingeniería Sistemas Página 9 David Freire Noveno Semestre

Las neuronas de la red se encuentran distribuidas en diferentes capas de neuronas,

de manera que las neuronas de una capa están conectadas con las neuronas de la

capa siguiente, a las que pueden enviar información.

La arquitectura más usada en la actualidad de una red neuronal consistiría en:

Una primera capa de entradas, que recibe información del exterior.

Una serie de capas ocultas (intermedias), encargadas de realizar el trabajo

de la red.

Una capa de salidas, que proporciona el resultado del trabajo de la red al

exterior.

El número de capas intermedias y el número de neuronas de cada capa dependerá

del tipo de aplicación al que se vaya a destinar la red neuronal.

Sistema Expertos

Ingeniería Sistemas Página 10 David Freire Noveno Semestre

1.2. Neuronas y conexiones

Cada neurona de la red es una unidad de procesamiento de información; es decir,

recibe información a través de las conexiones con las neuronas de la capa anterior,

procesa la información, y emite el resultado a través de sus conexiones con las

neuronas de la capa siguiente, siempre y cuando dicho resultado supere un valor

"umbral".

En una red neuronal ya entrenada, las conexiones entre neuronas tienen un

determinado peso ("peso sináptico").

Un ejemplo de una neurona sobre la que convergen conexiones de diferente peso

sináptico (Wi).

El procesamiento de la información llevado a cabo por cada neurona Y, consiste en

una función (F) que opera con los valores recibidos desde las neuronas de la capa

anterior (Xi, generalmente 0 o 1), y que tiene en cuenta el peso sináptico de la

conexión por la que se recibieron dichos valores (Wi). Así, una neurona dará más

importancia a la información que le llegue por una conexión de peso mayor que no a

aquella que le llegue por una conexión de menor peso sináptico.

Un modelo simple de la función F seria:

Sistema Expertos

Ingeniería Sistemas Página 11 David Freire Noveno Semestre

Si el resultado de la función F es mayor que el valor umbral (U), la neurona se activa

y emite una señal (1) hacia las neuronas de la capa siguiente. Pero, si por el

contrario, el resultado es menor que el valor umbral, la neurona permanece inactiva

(0) y no envía ninguna señal:

De esta forma, definido un conjunto inicial de pesos en las conexiones, al presentar

un "estímulo" (conjunto de ceros y unos que representa un dato, perfil u objeto) a la

capa de entradas, cada neurona en cada capa realiza la operación descrita

anteriormente, activándose o no, de manera que al final del proceso las neuronas de

la capa de salidas generan un resultado (otro conjunto de ceros y unos), que puede

coincidir o no con el que se desea asociar el estímulo.

En el entrenamiento de una red neuronal tanto el peso sináptico de las conexiones

como el valor umbral para cada neurona se modifican (según un algoritmo de

aprendizaje), con el fin de que los resultados generados por la red coincidan con (o

se aproximen a) los resultados esperados.

Y para simplificar el sistema de entrenamiento, el valor umbral (U) pasa a

expresarse como un peso sináptico más (-W0), pero asociado a una neurona

siempre activa (X0). Esta neurona siempre activa, se denomina "bias", y se sitúa en

la capa anterior a la neurona Y, tal como se muestra en la figura.

Sistema Expertos

Ingeniería Sistemas Página 12 David Freire Noveno Semestre

Así, la condición de activación puede reescribirse como:

De esta manera el algoritmo de aprendizaje puede ajustar el umbral como si

ajustara un peso sináptico más.

Sistema Expertos

Ingeniería Sistemas Página 13 David Freire Noveno Semestre

Como conclusión podemos indicar que es posible Conseguir, diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno de los principales objetivos de los científicos a lo largo de la historia.

De los intentos realizados en este sentido se han llegado a definir las líneas fundamentales para la obtención de máquinas inteligentes: En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función típica de los seres humanos.

Sistema Expertos

Ingeniería Sistemas Página 14 David Freire Noveno Semestre

http://perso.wanadoo.es/alimanya/funcion.htm

http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenidos/pdf/libro-del-

curso.pdf

http://www.slideshare.net/alf_marycela/redes-neuronales-547574

http://www.slideshare.net/HB09/redes-neuronales-1514651