REDES NEURONALES
El cerebro es una de las cumbres de la evolución biologica, ya que es un gran procesador de información. Entre sus caracteristicas podemos destacar, que es capaz de procesar a gran velocidad grandes cantidades de información procedentes de los sentidos, cambiarla o compararla con la información almacenada y dar respuestas adecuadas. Ademas es de destacar su capacidad de aprender a representar la información necesaria para desarrollar tales habilidades, sin instrucciones explicitas para ello.
Los cientificos llevan años estudiandolo y se han desarrollado algunos modelos matematicos que tratan de simular su comportamiento. Estos modelos se han basado sobre los estudios de las caracteristicas esenciales de las neuronas y sus conexiones.
Aunque estos modelos no son mas que aproximaciones lejanas de las neuronas biologicas, son muy interesantes por su capacidad de aprender y asociar patrones parecidos lo que nos permite afrontar problemas de dificil solución con la programación tradicional. Se han implementado en computadoras y equipos especializados para ser simulados.
Con el paso de los años, los modelos de neuronas iniciales se han ido complicando, introduciendo nuevos conceptos llegando a ser un paradigma de computación (equivalente a las maquinas de turing) basados en el comportamiento de las neuronas.
Las Redes Neuronales Artificiales se constituyeron inicialmente como una simulación abstracta de los sitemas nerviosos biologicos formados por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros. Las conexiones de estos nodos se asemejan a las dendritas y axónes de los sistema nerviosos biologicos.
Las RNA pueden clasificarse en modelos de tipo biologico y tipo dirigido a la aplicación de acuerdo a su similitud con la realidad biologica.
Tipo Biologico: Se constituyen en redes que tratan de simular los sistemas neuronales biologicos asi como las funciones auditivas o finciones basicas de la visión.
Modelos Dirigidos a Aplicaciones: No necesariamente guardan similituid con los sistemas biologicos. Sus arquitecturas estan fuertemente ligadas a las necesidades de las aplicaciones para las que son diseñados.
REDES NEURONALES DE TIPO BIOLÓGICO.
El cerebro humano promedio cuenta con aproximadamente mil millones de neuronas. Asimismo durante la sinapsis cada una de estas neuronas recibe en promedio al rededor de 1000 estimulos de entrada y genera alrededor de 1000 estimulos de salida. En este sentido, la principal ventaja del cerebro humano recae en su conectividad.
El objetivo de las redes neuronales de tipo biologico se constituye en desarrollar un elemento sintactico que permita verificar las hipotesis correspondientes a los demas sistemas sistemas biologicos. Es decir las redes neuronales de tipo biologico deben recibir y procesar información de otros sistemas biologicos y devolver una respuesta de acción efectiva.
La mayor parte de las neuronas posee una estructura arborea formada en su mayor parte por dendritas que, conectadas a otras neuronas, se encargan de recibir los estumulos de entradas neuronales mediante uniones denominadas sinopsis. Algunas neuronas tienen una estructura que las comunica con miles de neuronas mas, mientras otras solo pueden comunicarse con unas cuantas que hay a su alrededor.
REDES NEURONALES PARA APLICACIONES CONCRETAS.
El conocimiento que se posee sobre el sistema nervioso es aún incompleto. En este sentido, las RNA no se encuentran muy ligadas a lo que son en si las redes neuronales biologicas. Por lo tanto, se han definido otras funcionalidades y estructuras de conexion distinta a las establecidas por la biologia. las principales caracteristicas de las RNA son las siguientes:
AUTO ORGANIZACION Y ADAPTABILIDAD: Utilizan algoritmos de aprendizaje adaptativo y auto organización ofreciendo posibilidades de un procesamiento robusto y adaptable.
PROCESO NO LINEAL Y PARALELO: Aumenta la capacidad de la neurona para poder aproximas y clasificar información haciendose mas inmune al ruido (datos desordenados).
Estas caracteristicas juegan un papel importante en las RNA aplicadas al procesado de las señales. En este sentido, la red constituida para una aplicación determinada poseera una arquitectura concreta de elementos de procesado adaptivo, masivo y paralelo al que se conbinan en estructuras de conexion de red jerarquica.
REDES NEURONALES PARA APLICACIONES CONCRETAS.
El conocimiento que se posee sobre el sistema nervioso es aún incompleto. En este sentido, las RNA no se encuentran muy ligadas a lo que son en si las redes neuronales biologicas. Por lo tanto, se han definido otras funcionalidades y estructuras de conexion distinta a las establecidas por la biologia. las principales caracteristicas de las RNA son las siguientes:
AUTO ORGANIZACION Y ADAPTABILIDAD: Utilizan algoritmos de aprendizaje adaptativo y auto organización ofreciendo posibilidades de un procesamiento robusto y adaptable.
PROCESO NO LINEAL Y PARALELO: Aumenta la capacidad de la neurona para poder aproximas y clasificar información haciendose mas inmune al ruido (datos desordenados).
Estas caracteristicas juegan un papel importante en las RNA aplicadas al procesado de las señales. En este sentido, la red constituida para una aplicación determinada poseera una arquitectura concreta de elementos de procesado adaptivo, masivo y paralelo al que se conbinan en estructuras de conexion de red jerarquica.
No hay comentarios:
Publicar un comentario