AVANCES DE LAS REDES NEURONALES
ARTIFICIALES EN LOS ÚLTIMOS AÑOS
María Victoria
Párraga Mero1
1Carrera de Informática, Escuela Superior
Politécnica Agropecuaria de Manabí Manuel Félix López,
Sitio el Limón, Campus Politécnico Calceta, Manabí, Ecuador.
INTRODUCCIÓN
Las redes neuronales artificiales (RNA) han recibido un
interés particular como una tecnología para la gran cantidad de datos, puesto que ofrece los medios para
modelar de manera efectiva y eficiente problemas grandes y complejos. Los
modelos de RNA son dirigidos a partir de los datos, es decir, son capaces de
encontrar relaciones (patrones) de forma inductiva por medio de los algoritmos
de aprendizaje basado en los datos existentes. (Salas, 2010?)
La motivación para el desarrollo de la tecnología de redes
neuronales surgió del deseo de desarrollar
un sistema artificial que pudiera desempeñar tareas “inteligentes”, similares a
las realizadas por el cerebro humano.
MARCO TEÓRICO
Los avances de la tecnología es algo innegable, día a día
surgen nuevas maneras de solucionar diversos problemas a través de herramientas
tecnológicas, sin embargo hay que tener en cuenta también los avances que con
el pasar de los años han tenido las redes neuronales artificiales y cuáles son
los campos en las que se aplican las RNA por lo cual a continuación se
mostraran algunos avances y aplicaciones de las Redes Neuronales Artificiales.
IRIPHO
MODELADO DE FUNCIONES: Los problemas resueltos mediante modelado de funciones
son aquellos dónde se pretende determinar una serie de resultados numéricos a
partir de una serie de datos de entrada. Iripho construye un modelo que
encuentra la relación entre los datos de entrada y los de salida.
Resolver problemas de
clasificación: Los problemas de
clasificación se basan en el reconocimiento de patrones, Iripho es capaz de
aprender a clasificar los datos de entrada que recibe.
Filtrado dinámico: es capaz de separar una corriente de datos para determinar
cuáles son sensibles al problema y desechar aquellos que no intervienen.
Problemas de predicción: partiendo de una serie de valores que se han producido a
lo largo del tiempo, Iripho puede hacer una predicción de su comportamiento
futuro.
Problemas de Clústering: Se basa en agrupar los datos de una muestra en función de
sus similitudes (Data Minig)
Extracción tipológica
de datos: Iripho encuentra
características ocultas dentro de los datos, para determinar relaciones entre
ellos.
Detección de anomalías:
esta funcionalidad de iripho traa de
encontrar anomalías en sistemas concretos y procesos de producción.
Robótica en la
inteligencia artificial: Iripho es capaz de
dotar inteligencia artificial a cualquier robot físico o virtual. (Atem, 2010?)
CONCLUSIÓN
Las redes neuronales
artificiales, han ido cobrando fuerza con el pasar del tiempo, sus diferentes
aplicaciones ya se hacen presente en diferentes productos y servicios ofertados
por las empresas, cabe destacar, que a pesar de los avances y las nuevas
aplicaciones de las redes neuronales artificiales, aún queda un largo camino
por recorrer para poder emular el funcionamiento de las redes neuronales
biológicas, pero no podemos negar que el
avance se está dando y ejemplo de esto son los productos que anteriormente se
nombraron, existen muchos más, por lo que se recomienda a futuros
investigadores indaguen más acerca del tema.
REFERENCIAS BIBLIOGRÁFICAS
Atem. 2010?. Nuevas tecnologías: Productos y Servicios. . (En
línea). Consultado, 4 de Enero. 2015. Formato HTML. Disponible en: http://www.atem-nt.com/index.html
Salas, R. 2010?. Redes Neuronales Artificiales. (En
línea). EC. Consultado: 14 dic. 2014. Formato PDF. Disponible:
http://www.inf.utfsm.cl/~rsalas/Pagina_Investigacion/docs/Apuntes/Redes%20Neuronales%20Artificiales.pdf
