UN POCO DE INFORMACIÓN
REDES NEURONALES
¿Qué es una red neuronal?
Son modelos bastante simplificados de las redes de
neuronas que forman el cerebro. Y, al igual que este, intentan
"aprender" a partir de los datos que se le suministran.
¿Aplicaciones de las redes neuronales?
Algunas de las
aplicaciones más destacadas son:
•
Reconocimiento de patrones de
clasificación:
•
Reconocimiento de voz, de caracteres
manuscritos,...
•
Análisis y reconocimiento de
imágenes, formas,...
•
Diagnostico clínico.
•
...
•
Análisis de series temporales y
predicción:
•
Modelos meteorológicos.
•
Predicción del comportamiento.
•
Predicción de series temporales.
•
Robótica
¿Cómo se implementa en aplicaciones?
A la hora de implementar una red neuronal como parte de
un programa o sistema informático, se pueden distinguir 3 fases básicas:
•
Diseño: en esta fase se elige el
tipo de red neuronal a usar (la arquitectura o topología), el número de
neuronas que la compondrán.
•
Entrenamiento: en esta fase se le
presentan a la red neuronal una serie de datos de entrada y datos de salida
(resultados), para que a partir de ellos pueda aprender.
•
Uso: se le suministran las entradas
pertinentes a la red, y esta genera las salidas en función de lo que ha
aprendido en la fase de entrenamiento.
¿Tipos de aprendizajes básicos?
Generalmente
los datos que se usan para entrenar
la red se le suministran de manera aleatoria y secuencial.
Los tipos de aprendizaje pueden dividirse
básicamente en tres, atendiendo a como esta guiado
este aprendizaje:
•
Aprendizaje supervisado: se
introducen unos valores de entrada a la red, y los valores de salida generados
por esta se comparan con los valores
de salida correctos. Si hay diferencias,
se ajusta la red en consecuencia.
•
Aprendizaje de refuerzo: se
introducen valores de entrada, y lo único que se le indica a la red si las
salidas que ha generado son correctas o
incorrectas.
Aprendizaje no supervisado: no existe ningún tipo de guía. De esta manera lo único que puede hacer la red es reconocer patrones en los datos de entrada y crear categorías a partir de estos patrones. Así cuando se le entre algún dato, después del entrenamiento, la red será capaz de clasificarlo e indicará en que categoría lo ha clasificado.
Aprendizaje no supervisado: no existe ningún tipo de guía. De esta manera lo único que puede hacer la red es reconocer patrones en los datos de entrada y crear categorías a partir de estos patrones. Así cuando se le entre algún dato, después del entrenamiento, la red será capaz de clasificarlo e indicará en que categoría lo ha clasificado.
¿Cómo funcionan las redes neuronales?
Las redes
neuronales están formadas por un conjunto de neuronas artificiales
interconectadas.
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.
Ejemplo de un Perceptron Simple
código:
No hay comentarios:
Publicar un comentario