RNA001c

67
Redes Neuronales Artificiales

description

Redes

Transcript of RNA001c

  • Redes Neuronales Artificiales

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    22

    Qu es una Red Neuronal Artificial?

    Las redes neuronales artificiales (RNA) presentanuna alternativa computacional para la solucin dealgunos problemas.Las redes neuronales son modelos del procesocognoscitivo del cerebro (Blum).Un sistema de computacin hecho por un grannmero de elementos simples, elementos de procesomuy interconectados, los cuales procesaninformacin por medio de su estado dinmico comorespuesta a entradas externas. (Hecht-Niesen).

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    33

    Una RNA es un sistema procesador de informacincon caractersticas de desempeo similares a lasredes neuronales biolgicas.Las RNA son elementos (usualmente adaptativos)interconectados masivamente en paralelo y conorganizacin jerrquica, los cuales interactuan conobjetos del mundo real del mismo modo que lo haceel sistema nervioso biolgico. (Kohonen).

    Coleccin de procesadores paralelos conectadosentre s en la forma de Grafo dirigido (Freeman).

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    44

    El procesamiento de informacin ocurre en elementossencillos llamados neuronas.

    Las neuronas se transmiten seales a travs de conexiones.Cada liga de conexin esta asociada con un peso, el cual, entpicas redes neuronales, multiplica la seal transmitida.En cada neurona se aplica una funcin de activacin(usualmente no lineal) a las entradas (suma ponderada deentradas por los pesos).

    Una RNA ha sido desarrollada como la generalizacin demodelos matemticos del conocimiento humano o biologaneuronal, basada en los siguientes acepciones:

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    55

    Las RNA son redes constituidas por muchas unidadesde proceso llamadas neuronas, las cuales se hallaninterconectadas para trasladar informacin entreellas.Las RNA son modelos de las redes neuronalesbiolgicas.Las RNA (Artificial Neural Networks -ANNs-) sonuna simulacin abstracta de los sistemas nerviososbiolgicos, se forman por un conjunto de unidadesllamadas "neuronas" o "nodos" conectadas unas conotras.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    66

    Por qu una RNA?

    El cerebro humano es mucho ms lento que unmicroprocesador y, sin embargo, es capaz de realizar ciertastareas de forma ms eficiente que cualquier ordenador.

    Visin, Reconocimiento,Toma de decisiones, Control,....

    La potencia de cculo tiene relacin con lassiguientes caractersticas:

    Complejidad,No linealidad,Paralelismo,Aprendizaje,...

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    77

    Una RNA es una estructura de computacin masivay paralela compuesta por unidades no linealesindividuales (neuronas) en la cual el conocimiento:

    Se establece mediante un proceso de aprendizaje.Se almacena en las conexiones (pesos o sinapsis)entre neuronas.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    88

    Proceso clsico/RNA

    Proceso clsico

    Datos

    Datos

    Construccin

    Modelo

    Validacin

    Modelo- Clasificacin

    - Prediccin

    - Reconocimiento,...

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    99

    Cmputo convencional

    M em oriaCPU

    Qu limitaciones tiene este esquema?, quproblemas no podran ser resueltos as?

    Mquinavon Neuman

    ]Tomar una instruccin de memoria.]Tomar datos de memoria requeridos por lainstruccin.]Ejecutar la instruccin (procesar los datos).]Almacenar resultados.]Regresar al paso#1.

    Proceso clsico/RNA

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1010

    Proceso con RNA

    Datos

    DatosAprendizaje

    RNA

    - Clasificacin

    - Prediccin

    - Reconocimiento,...Entrenamiento

    Test

    La red neuronal extrae directamente de los datosla informacion para resolver el problema!

    Proceso clsico/RNA

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1111

    E SProcesamientode informacin

    a = x1*w1 + x2*w2;y = F(a);

    neurona

    F(a)x1

    x2

    w1

    w2ya

    Proceso clsico/RNA

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1212

    Una RNA es un conjunto de nodos ordenados adaptables loscuales, a travs de un proceso de aprendizaje medianteejemplos prototipo, almacenan conocimiento de tipoexperiencial y lo hacen disponible para su uso. [AnIntroduction to Neural Computing. Igor Aleksander andHelen Morton]

    Una RNA es un ensamble de elementos procesadores simplesy adaptables, cuya funcionalidad est burdamente basada enuna neurona animal. La habilidad de procesamiento de la redest almacenada en la intensidad de las conexiones entreelementos, obtenidos por un proceso de adaptacin a unconjunto de patrones de entrenamiento

    Definiciones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1313

    Las conexiones de las RNA tienen una gransemejanza con las dendrtas y los axones en lossistemas nerviosos biolgicos.El campo de las RNA, como otros, ha tenido unrpido desarrollo al hacer nfasis a la inspiracinbiolgica para la solucin a algunos problemas.

    El paralelismo masivo y la interconectividad que seobserva en los sistemas biolgicos complejos son lascausas de la capacidad del cerebro para llevar a cabocomplejos reconocimientos de tramas en poco tiempo.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1414

    La arquitectura del cerebro humano se presentasignificativamente distinta a la forma de uncomputador convencional.Se estima que el cerebro humano (sistema nerviosohumano) contiene ms de cien mil millones (1011) deneuronas y 1014 sinpsis (una neurona se comunicahasta con 1000 neuronas).Aunque el tiempo de conmutacin de la neurona(unos pocos milisegundos) es casi un milln de vecesmenor que en las actuales elementos de loscomputadores ellas tienen conectividad miles de vecessuperior que los actuales supercomputadores.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1515

    Q El objetivo principal de de las redes neuronales detipo biolgico es desarrollar un elemento sintticopara verificar las hiptesis que conciernen a lossistemas biolgicos.

    Q Las neuronas y las conexiones entre ellas(sinpsis) constituyen la clave para el proceso dela informacin.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1616

    El cerebro es un sistema super complejo.

    El tamao de una neurona biolgica es deaproximadamente un tamao de 5-100micrmetros.

    El cerebro es el dispositivo de computo mspoderoso que existe.

    Le ha tomado a la naturaleza 4.000 millones de aosdesarrollarlo.

    Bases biolgicas

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1717

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1818

    NEURONA

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    1919

    Q En la neurona biolgica se pueden tomarsus tres partes ms principales:

    Q 1. El cuerpo de la neurona.Q 2. Ramas de extensin llamadas dendrtas.Q 3. Un axn que lleva la salida de la

    neurona a las dendritas de otras neuronas.

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2020

    Q La forma que dos neuronas interactuan no esttotalmente conocida, dependiendo adems decada neurona.

    Q En general, una neurona enva su salida a otraspor su axn.

    Q El axn lleva la informacin por medio dediferencias de potencial, u ondas de corriente,que depende del potencial de la neurona.

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2121

    Q La neurona recoge las seales por su sinapsissumando todas las influencias excitadoras einhibidoras.

    Q Si las influencias excitadoras positivas dominan,entonces la neurona da una seal positiva ymanda este mensaje a otras neuronas por sussinapsis de salida.

    Q En este sentido la neurona puede ser modeladacomo una simple funcin f(.).

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2222

    Las DENDRITAS recogen seales procedentes deotras neuronas, por estmulos del mundo externo ointerno y las transmiten al cuerpo de la neurona.El CUERPO de la neurona recibe las seales de todaslas dendritas y segn la tipologa de la neurona en si,determina una respuesta.El AXON de la neurona transmite la respuestagenerada por el cuerpo de la neurona a otrasneuronas o a algn miembro receptor (msculo,nervio,...).

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2323

    Una neurona es una clula viva y, como tal, contienelos mismos elementos que forman parte de todas lasclulas biolgicas.El axn posee ramas en su extremo para tenerconexin con mayor nmero de neuronas.El axn se ramifica en filamentos y subfilamentos,mediante los cuales establece conexin con otrasneuronas.La caracterstica principal que diferencian a lasneuronas del resto de las clulas vivas, es sucapacidad de comunicarse.

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2424

    Una red neuronal

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2525

    Sinapsis

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2626

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2727

    Q La SINAPSIS de la neurona es el punto de uninentre dos neuronas (dendrita - axn).

    Q Cada neurona establece sinapsis desde una docenahasta con cientos de miles de otras neuronas.

    Q No es un elemento especial de la neurona.Q El impulso (seal) que proviene del axn se

    transmite a otras neuronas, determinando elcomportamiento general de la red neuronal.

    Neurona biolgica

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2828

    Q El proceso de comunicacin entre las neuronas serealizan en trminos generales de la siguientemanera: las dendritas y el cuerpo celular recibenseales de entrada; el cuerpo celular las combinae integra y emite seales de salida.

    Q El axn transporta esas seales a los terminalesaxnicos, que se encargan de distribuirinformacin a un nuevo conjunto de neuronas.

    Modelo Biolgico

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    2929

    Aprendizaje en el cerebro

    Q Las seales se propagan de neurona a neuronamediante una complicada reaccinelectroqumica.

    Q Las sinapsis liberan sustancias qumicas Tx yentran a las dendrita con lo cual se activa elpotencial del cuerpo de la clula.

    Q Cuando el cuerpo rebasa cierto limite, se envia alaxn un impulso elctrico (potencial de accin), elcual se difunde a travs de las ramas del axn, yfinalmente llega a la sinapsis y libera Tx en loscuerpos de otras clulas.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3030

    Q Quizs el descubrimiento mas grande es que lasconexiones sinapticas muestran plasticidad:alteraciones a largo plazo de la intensidad de lasconexiones como respuesta al patrn deestimulacin.

    Q Las neuronas establecen tambin conexiones conotras neuronas, y en ocasiones, con gruposcompletos de neuronas capaces de migrar de unsitio a otro.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3131

    Q Por lo general, una neurona recibe informacin demiles de otras neuronas y, a su vez, envainformacin a miles de neuronas ms.

    Q Las seales que utilizan las neuronas son denaturaleza elctrica y qumica.

    Modelo Biolgico

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3232

    Naturaleza bioelctrica

    La seal generada por la neurona y transportada a lo largodel axn es un impulso elctrico, mientras que la seal que setransmite entre los terminales axnicos de una neurona y lasdendritas de la neuronas siguientes es de origen qumico;concretamente, se realiza mediante molculas de sustanciastransmisoras (neurotransmisores) que fluyen a travs de unoscontactos especiales, llamados sinapsis, que tienen la funcinde receptor y estn localizados entre los terminales axnicos ylas dendritas de la neurona siguiente (espacio sinptico, entre50 y 200 Angstroms).

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3333

    Seal elctrica

    Q La membrana de la neurona separa el plasmaintracelular del fluido intesticial que se encuentrafuera de la clula.

    Q La membrana es permeable para ciertas especiesinicas, y acta de tal forma que se mantenga unadiferencia de potencial entre el fluido intracelulary el fluido extracelular.

    Q La diferencia ms notable se da en relacin con laconcentracin de los iones sodio y potasio.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3434

    Q El medio externo es unas 10 veces ms rico ensodio que el interno, mientras que el mediointerno es unas 10 veces ms rico en potasio queel externo.

    Q Esta diferencia de concentracin en iones sodio ypotasio a cada lado de al membrana produce unadiferencia de potencial de aproximadamente 70milivoltios, negativa en el interior de la clula. Eslo que se llama potencial de reposo de la clulanerviosa.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3535

    Q La llegada de seales procedentes de otrasneuronas a travs de las dendritas (recepcin deneurotransmisores) acta acumulativamente,bajando ligeramente el valor del potencial dereposo.

    Q El potencial modifica la permeabilidad de lamembrana, de manera que cuando llega a ciertovalor crtico comienza una entrada masiva deiones sodio que invierten la polaridad de lamembrana.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3636

    Q La inversin del voltaje de la cara interior de lamembrana cierra el paso a los iones sodio y abreel paso a los iones potasio hasta que se restableceel equilibrio en reposo.

    Q La inversin del voltaje, conocida como potencialde accin, se propaga a lo largo del axn y, a suvez, provoca la emisin de los neurotransmisoresen los terminales axnicos.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3737

    Q Despus de un pequeo periodo refractario,puede seguir un segundo impulso.

    Q El resultado de todo esto es la emisin por partede la neurona de trenes de impulsos cuyafrecuencia vara en funcin (entre otros factores)de la cantidad de neurotransmisores recibidos.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3838

    Seal qumica

    Q La accin qumica que se produce en los receptores dalugar a cambios de permeabilidad de la membranapostsinptica para ciertas especias inicas.

    Q Existen dos tipos de efectos locales en la sinapsis: a) el efecto excitador, cuyos neurotransmisores

    provocan disminuciones de potencial en la membranade la clula postsinptica, facilitando la generacin deimpulsos a mayor velocidad

    b) el efecto inhibidor, cuyos neurotransmisores tiendena estabilizar el potencial de la membrana, dificultandola emisin de impulsos.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    3939

    Estos dos efectos actan solo a lo largo de unapequea distancia hacia el interior de la clula; sesuman en el montculo del axn; la suma de losefectos excitadores e inhibidores determina si laclula ser o no estimulada; es decir, si emitir o noun tren de impulsos y a qu velocidad.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4040

    Neurona artificial

    Bajo estas consideraciones se llega al modelo de unaneurona artificial.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4141

    Yigg

    Yi=g(ini)

    ininii

    Funcin deentrada

    Funcin deactivacin

    Salida

    Conexionesde entrada

    XjWj,i

    Conexionesde salida

    Neurona artificial

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    Unidades nodosConexionesPesosNivel de activacinFuncin de activacinSalida

    W Wg

    Neurona artificial

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4343

    Atributo Valor ValnorEdad 20 0.4No. Rec. 3 0.3Repar 2 0.15Clima D 0.25Cochera 2 0.33Terreno 400 0.4Construc. 350 0.35Sector 3 0.65

    0.71315

    $2,255,000

    0.79612

    0.5824

    0.4

    0.3

    Pesos Wij

    Valores aj

    0.15

    0.25

    0.33

    0.4

    0.35

    0.65

    0.8234

    0.6136

    -1.325

    1.23

    -0.24

    0.937

    Neurona artificial

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4444

    Los modelos de RNA slo son un parecidosuperficial con sus contrapartes biolgicas.Lo importante de las RNA es que muestran unoscomportamientos tiles al aprender, reconocer yaplicar relaciones entre objetos y tramas de objetospropios del mundo real.

    Neurona artificial

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4545

    El Primer modelo de red neuronal fue propuesto en1943 por McCulloch y Pitts en trminos de unmodelo computacional de "actividad nerviosa".El modelo de McCulloch-Pitts es un modelo binario, ycada neurona tiene un umbral prefijado.El modelo de McCulloch-Pitts sirvi de ejemplo paralos modelos posteriores de Jhon Von Neumann,Marvin Minsky, Frank Rosenblatt, Hopfield,Kohonen, ...

    Neurona artificial

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4646

    Q Una primera clasificacin de los modelos deRNA podra ser, atendiendo a su similitud con larealidad biolgica.

    Q Los modelos de tipo biolgico comprenden lasredes que tratan de simular los sistemasneuronales biolgicos as como las funcionesauditivas, de la visin, del habla, ...

    Conceptos bsicos

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4747

    Q El modelo dirigido a aplicacin son modelos queno guardan necesariamente similitud con lossistemas biolgicos.

    Q La arquitectura de los modelos dirigidos a laaplicacin estn fuertemente ligadas a lasnecesidades especfica de la aplicacin para laque se diseadas.

    Conceptos bsicos

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4848

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    4949

    Cmputo convensionalvs. Redes neuronales?

    Q Los computadores actuales son incapaces parainterpretar el mundo.

    Q Son capaces de realizar 100 millones deoperaciones de punto flotante por segundo perono pueden entender el significado de formasvisuales.

    Q Puede repetir en forma indefinida un conjuntode instrucciones generadas por un programadorhumano pero no pueden aprender a partir de laexperiencia.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5050

    Por qu utilizar una RNA?

    Q Las RNA, con su marcada habilidad paraderivar de datos complicados o imprecisos, seutilizan para extraer patrones y detectar tramasque son muy difciles de apreciar por humanos uotras tcnicas computacionales.

    Q Una RNA entrenada puede usarse como un"experto" para categorizar la informacin quese ha dado para su anlisis. Este experto puedeusarse para proveer proyecciones de nuevassituaciones.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5151

    Las redes neuronales son preferibles a otros mtodosmatemticos cuando se presentan las siguientescaractersticas:Es muy difcil encontrar reglas que definan lavariable a modelizar en relacin a las entradasconsideradas en el modelo.Los datos son imprecisos o contienen perturbacionesestadsticas (ruido).El problema necesita para ser definido un gran nmero devariables dependientes (presenta una alta dimensionalidad).

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5252

    Q El modelo a resolver es no lineal.Q Se dispone de un gran nmero de datos.Q El entorno de trabajo es variable

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5353

    Ventajas

    Aprendizaje adaptativo. Capacidad de aprender a realizartareas basada en un entrenamiento o una experiencia inicial.

    Autoorganizacin. Una red neuronal puede crear su propiaorganizacin o representacin de la informacin que recibedurante la etapa de aprendizaje.Tolerancia a fallas va informacin redundante.

    La destruccin parcial de una red conduce a una degradacinde su estructura; sin embargo, algunas capacidades de la redse pueden retener, incluso sufriendo daos mayores.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5454

    Q Operacin en tiempo real. El cmputo neuronalpuede realizarse en paralelo. Inicia el diseo yfabricacin de mquinas especiales con estasventajas para obtener esta capacidad.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5555

    Algunas aplicaciones

    Q Espacio areo Pilotos automticos de alto desempeo, simulaciones y

    predicciones de trayectoria de vuelo, sistemas de controlde vuelo, deteccin de fallas en componentes de la nave.

    Q Automotriz Sistemas automticos de navegacin, comando por voz

    Q Bancos Lectores de documentos, evaluadores de asignacin de

    crdito, identificador de firmas.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5656

    Q DefensaQ Electrnica

    Prediccin de secuencias de cdigos, control deprocesos, anlisis de fallas de circuitos, visin demquina, sntesis de voz, modelado no lineal.

    Q Robtica Control de trayectorias, control de manipuladores,

    sistemas de visin.Q Voz

    Reconocimiento de voz, compresin de voz,sintetizadores de texto a voz.

    Algunas aplicaciones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5757

    Q Telecomunicaciones Compresin de datos e imgenes, servicios automticos de

    informacin, traduccin de lenguaje hablado en tiempo real.Q Transportation

    Sistemas ruteadores, diagnstico de motores, tiempos ymovimientos.

    Q Seguridad Reconocimiento de rostros, identificacin y acceso de personas.

    Q Financieros Evaluacin de bienes races, consultor de prestamos, valuacin de

    bonos corporativos, anlisis sel uso de la lnea de crdito,prediccin de tipo de cambio.

    Algunas aplicaciones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5858

    Q Manufactura Control de procesos de manufactura, anlisis y diseo

    de productos, diagnstico de mquinas y procesos,identificacin de partes en tiempo real, sistemas deinspeccin de calidad, prediccin de fin de proceso,anlisis de mantenimiento de mquinas, modelado desistemas dinmicos.

    Q Medicina Deteccin de cncer mamario o en la piel, anlisis de

    EEG y ECG, diseo de prtesis, optimizacin detiempos de trasplante, reduccin de gastos enhospitales.

    Q Oficinas postales, Verificacin remota, etc.

    Algunas aplicaciones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    5959

    Comunicaciones:-Igualacin, cancelacin, conmutacin,enrutamiento, demodulacin multiusuario,...

    Tratamiento de Voz:-Reconocimiento, autentificacin de locutores,codificacin, cuantificacin vectorial,...

    Tratamiento de Imagen:-Reconocimiento de formas y patrones (huellasdactilares, nmeros, caras,...)

    Algunas aplicaciones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6060

    Modelado/Prediccin:-Prediccin no lineal de series temporales(financieras, consumo elctrico,...)

    Control:-Control de procesos, robots, vehculos, ...

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6161

    Un Filtro No lineal

    - Algoritmos Adaptativos (LMS, RLS, Newton), Modelos no lineales (Volterra,

    Wiener), Clasificadores Bayesianos,...

    Un sistema dinmico no lineal

    - Estabilidad, Funciones de Liapunov, Atractores, Ecs diferenciales no lineales,

    ...

    Un aproximador funcional

    - Anlisis funcional, Teora de la aproximacin,....

    Un modelo neurofisiolgico

    - Percepcin, Visin, Reconocimiento,...

    Una red neuronal puede ser vista como:

    Conclusiones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6262

    Conclusiones

    Las RNA son estructuras paralelas y no linealescapaces de resolver un gran nmero de problemas.Ofrecen soluciones en problemas en los queintervienen muchas variables y que son difciles deformalizar.Son capaces de aprender y generalizarExisten un gran nmero de topologas y algoritmosde entrenamiento

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6363

    Inconveniente: Funcionan como una caja negra,resuelven un problem pero es difcil saber cmolo han hecho.

    Son una herramienta valiosa, pero no resuelvenTODOS los problemas, ni siempre los resuelvende la MEJOR manera.

    Conclusiones

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6464

    Bibliografa

    Q Bishop C.M. (1996). Neural Networks for PaternRecognition. Clarendon Press.

    Q Demuth H., Beale M. (1998). Neural NetworkToolbox for use with MATLAB. Math WorksInc.

    Q Fausett L. (1994). Fundamentals of NeuralNetworks. Prentice-Hall.

    Q Freeman J.A., Skapura D.M. (1993). Redesneuronales, algoritmos, aplicaciones y tcnicas deprogramacin. Madrid, Daz de Santos.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6565

    Q Haykin S. (1998). Neural Networks: aComprehensive Foundation. Prentice-Hall.

    Q Haykin S. (1999). Neural Networks. 2nd Edition,Prentice Hall.

    Q Kohonen T. (1997). Self-organization AndAssociative Memory. 3 ed., Berlin, Springer-Verlag.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6666

    Q Kung S. Y. (1993). Digital Neural Networks.Prentice Hall, Inc.

    Q Mitchell T. (1997). Machine Learning. Mc Graw-Hill.

    Q Murray A.F. (1995). Applications of NeuralNetworks. Kluwer Academic Publishers.

    Q Reed R.D. , Marks R.J. (1999). Neural Smithing.Cambridge (EEUU), MIT Press.

    Q Ripley B.D. (1996). Pattern Recognition & NeuralNetworks. Cambridge University Press.

  • Re

    d

    e

    s

    N

    e

    u

    r

    o

    n

    a

    l

    e

    s

    A

    r

    t

    i

    f

    i

    c

    i

    a

    l

    e

    s

    6767

    Redes Neuronales ArtificialesQu es una Red Neuronal Artificial?Cmputo convencionalNeurona biolgicaNeurona biolgicaNeurona biolgicaNeurona biolgicaSinapsisNeurona biolgicaModelo BiolgicoAprendizaje en el cerebroModelo BiolgicoNaturaleza bioelctricaSeal elctricaSeal qumicaConceptos bsicosConceptos bsicosCmputo convensionalvs. Redes neuronales?Por qu utilizar una RNA?VentajasAlgunas aplicacionesAlgunas aplicacionesAlgunas aplicacionesAlgunas aplicacionesConclusionesConclusionesConclusionesBibliografa