ESCUELA
SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ “MANUEL FÉLIX LÓPEZ”
CARRERA INFORMÁTICA
SEMESTRE SEXTO PERIODO SEPT./2014-MAR./2015
INTELIGENCIA
ARTIFICIAL I
TEMA:
INTRODUCCIÓN A LAS REDES NEURONALES
ARTIFICIALES.
AUTORA:
MARIA VICTORIA
PÁRRAGA MERO
FACILITADORA:
ING. HIRAIDA
SANTANA CEDEÑO
MISIÓN
Formación de profesionales íntegros que conjuguen
ciencia, tecnología y valores en su accionar, comprometidos con la sociedad en
el manejo adecuado de programas y herramientas computacionales de última
generación.
VISIÓN
Ser referente en la formación de profesionales de
prestigio en el desarrollo de aplicaciones informáticas y soluciones de
hardware.
CALCETA,
DICIEMBRE 2014
INTRODUCCIÓN
El día 2 de diciembre se trató en clases el tema de las
redes neuronales artificiales, estas han sido de alguna manera la solución a
números problemas que se presentaban en la ciencia e ingeniera al momento de
interpretar gran cantidad de información, en principio se intentó dar solución
a estos problemas a base de algoritmos, sin embargo con la aparición de las
redes neuronales artificiales se mejoró el análisis y la resolución de los
mismos, cabe destacar que en la década de los 70 no solo aparecieron las redes
neuronales artificiales sino también los sistemas expertos. Sin embargo son las
redes neuronales mucho más eficientes puesto que estas poseen un mayor
rendimiento cuando existe incertidumbre o datos incompletos en el conocimiento
empleado. La información que se mostrará en el marco teórico permitirá entender
de mejor manera los conceptos básicos de las redes neuronales artificiales.
MARCO TEÓRICO
Como se ha venido tratando en las anteriores publicaciones
de este blog, uno de los mayores enigmas que tiene el ser humano es entender
cómo funciona su organismo es decir su propia naturaleza, la inteligencia con
el pasar del tiempo ha ido desvelando ciertos misterios, sin embargo es
mediante la inteligencia artificial que se ha ido logrando de alguna u otra
manera poder crear agentes que poco a poco contengan las características que
poseen los seres humanos.
Según Isasi y Galván dentro de la Inteligencia
Artificial se pueden distinguir dos
grandes áreas: La Simbólica que se
ocupa de la construcción de sistemas con características que se puedan definir
como inteligentes, estos sistemas siguen un esquema de arriba hacia abajo (top
– down), ya que es necesario disponer de una aproximación a la solución del
problema y diseñarla completamente. Por otro lado tenemos a la Inteligencia
Artificial Sub-Simbólica trata de estudiar los mecanismos del
sistema nervioso, del cerebro, así como su estructura, funcionamiento y
características lógicas, con la
intención de diseñar programas basados en dichas características que se adapten
y generen sistemas capaces de resolver problemas, este diseño es de abajo hacia
arriba (bottom - up), ya que los sistemas diseñados son simples e idénticos,
recogen las características físicas de los sistemas que tratan de imitar, y se
van generando cómputos cada vez más complejos, de forma automática, mediante
mecanismos prefijados de aprendizaje, y es aquí donde nace el interés por el
estudio de las redes neuronales artificiales.
Lo primero que debemos hacer antes de estudiar a fondo las
redes neuronales artificiales es entender el funcionamiento biológico de una
red neuronal.
FUNDAMENTOS BIÓLOGICOS DE LAS REDES NEURONALES
Las redes neuronales biológicas están compuestas por un
gran número de elementos llamados neuronas. Una neurona es una célula compuesta
por cuerpo, un número de extensiones llamadas dendritas, que sirven de
entradas, y una larga extensión llamada axón que actúa como salida (Figura 1). La sinapsis conecta el axón
de una neurona a las dendritas de las otras neuronas. Las neuronas están
dispuestas en capas. En general las neuronas de una capa reciben entradas desde
otra capa y envían sus salidas a neuronas de una tercera. Dependiendo de la
aplicación también es posible que las neuronas de una capa reciban entradas y
provean salidas a neuronas de la misma capa. (Rosales, 2008?)
FIGURA 1. Estructura de la Neurona Biológica
El sistema de comunicación neuronal se compone de tres
partes:
- Los receptores, que están en las células sensoriales, recogen la información en forma de estímulos, ya sea que estos provengan del ambiente o del interior del organismo.
- El Sistema Nervioso, que recibe las informaciones, las elabora, en parte las almacena y las envía en forma elaborada a los órganos efectores y a otras zonas del sistema nervioso.
- Órganos diana o Efectores (glándulas, músculos, etc.), que reciben la información y la interpretan en forma de acciones motoras, hormonales, etc. (Isasi y Galván, 2004)
NEURONA ARTIFICIAL
La neurona artificial, célula o autómata, es un elemento
que posee un estado interno, llamado nivel de activación, y recibe señales que
le permiten, en su caso, cambiar de estado. (Isasi y Galván, 2004)
La neurona artificial pretende mimetizar las
características, más importantes de la neurona biológica En general, recibe las
señales de entrada de las neuronas vecinas ponderadas por los pesos de las conexiones.
La suma de estas señales ponderadas proporciona la entrada total o neta de la
neurona y, mediante la aplicación de una función matemática denominada función
de salida, sobre la entrada neta, se calcula un valor de salida, el cual es
enviado a otras neuronas (figura 2). Tanto los valores de entrada a la neurona
como su salida pueden ser señales excitatorias (cuando el valor es positivo) o
inhibitorias (cuando el valor es negativo). (Palmer y Montaño, 2002?)
FIGURA 2. Funcionamiento general de una neurona artificial.
REDES NEURONALES ARTIFICIALES
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?)
Las RNA son un método de resolver problemas, de forma
individual o combinada con otros métodos, para aquellas tareas de
clasificación, identificación, diagnóstico, optimización o predicción en las
que el balance datos/conocimiento se inclina hacia los datos y donde, adicionalmente,
puede haber la necesidad de aprendizaje en tiempo de ejecución y de cierta tolerancia
a fallos. En estos casos las RNA se adaptan dinámicamente reajustando constantemente
los “pesos” de sus interconexiones. (Salas, 2010?)
ESTRUCTURA BASICA DE UNA RED NEURONAL ARTIFICIAL
Para definir totalmente una red neuronal, no solo es
necesario describir el comportamiento individual de sus componentes (neuronas),
sino que hay que especificar también el interconexionado existente entre ellas.
Estas se agrupan en capas, cada una de ellas con un conjunto de neuronas de
número variable y comportamiento similar, constituyendo de esta manera con
varias capas una red neuronal.
Cada capa está conectada a la inmediata posterior total o
parcialmente excepto la última capa, que constituye la salida total de la red
neuronal. Existen tres capas en una red neuronal:
- Capa de entrada: el número y tipo de neuronas que constituyen esta capa, depende de los datos del problema.
- Capas intermedias (ocultas): pueden ser más de una, dependiendo del tipo y complejidad del problema a resolver con la red. Mediante el tratamiento adecuado de estas capas se consiguen las propiedades de generalización, extracción de características, adaptabilidad, etc., que hacen muy interesante el trabajo de las redes neuronales
- Capa de salida: el número de neuronas de esta capa depende del formato esperado de salida de la red. (Pino et. al , 2001)
CARACTERISTICAS DE LAS REDES NEURONAL ARTIFICIALES
Las Redes Neuronales Artificiales, están inspiradas en las
redes neuronales biológicas del cerebro humano. Están constituidas por elementos
que se comportan de forma similar a la neurona biológica en sus funciones más
comunes. Estos elementos están organizados de una forma parecida a la que presenta
el cerebro humano.
Las RNA al margen de "parecerse" al cerebro
presentan una serie de características propias del cerebro. Por ejemplo las RNA
aprenden de la experiencia, generalizan de ejemplos previos a ejemplos nuevos y
abstraen las características principales de una serie de datos. Por los cual
estas son sus principales características:
- Aprender: adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las RNA pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes.
- Generalizar: extender o ampliar una cosa. Las RNA generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión.
- Abstraer: aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas RNA son capaces de abstraer la esencia de un conjunto de entradas que aparentemente no presentan aspectos comunes o relativos. (Basogain, 2005)
CONCLUSIÓN
A medida que hemos ido avanzando en el estudio de la
Inteligencia Artificial se ha descubierto los diferentes componentes que poco a
poco permitirán crear un agente inteligente y es aquí donde llegamos al estudio
de las redes neuronales artificiales, estas son la estructura que más se acerca
a el funcionamiento de las redes neuronales biológicas, intentando de alguna
manera simular el funcionamiento de la neurona, el elemento principal de las
redes neuronales, sin embargo la principal conclusión que puedo hacer respecto
a este tema, es que a pesar de ser las redes neuronales artificiales una gran
avance, no se acercan en gran magnitud al verdadero funcionamiento de las redes
neuronales biológicas, el funcionamiento del cerebro humano sigue siendo muy
complejo para ser simulado, sin embargo las redes neuronales artificiales ya
son capaces de resolver ciertos problemas con un grado de complejidad mayor,
solo resta, seguir avanzando y contribuir como estudiante a que los avances de
la inteligencia artificial cada día sea mayor.
BIBLIOGRAFIA
Isasi, P y Galván I.
2004. Redes Neuronales Artificiales: Un enfoque Práctico. Pearson. Madrid, ES.
p 1 -21.
Flórez, R y Fernández,
J. 2008. Las Redes Neuronales Artificiales: Fundamentos teóricos y aplicaciones
prácticas. (En línea). EC. Consultado: 14 dic. 2014. Formato HTML. Disponible: https://books.google.com.ec/books?id=X0uLwi1Ap4QC&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
Pino, R; Gómez, A; Martínez, N. 2001.
Introducción a la Inteligencia Artificial: Sistemas Expertos, Redes Neuronales Artificiales y
Computación Evolutiva. (En línea). EC. Consultado: 14 dic. 2014. Formato HTML.
Disponible: https://books.google.com.ec/books?id=RKqLMCw3IUkC&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
Rosales, J. 2008?. Redes Neuronales. (En línea). EC.
Consultado: 14 dic. 2014. Formato HTML. Disponible: http://www.usmp.edu.pe/publicaciones/boletin/fia/info32/pag4.htm
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
Palmer, A y Montaño, J. 2002?. ¿Qué son las 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
Basogain, X. 2014. Redes Neuronales Artificiales y sus
Aplicaciones. (En línea). EC. Consultado: 14 dic. 2014. Formato PDF.
Disponible: http://www.ciberesquina.una.edu.ve:8080/2014_2/350_E.pdf
