Download redes neuronales - Avid Roman Gonzalez

UNIVERSIDAD NACIONAL SAN
A
ANTONIO
A
ABAD
A
DEL C
CUSCO
SC
CARRERA PROFESIONAL DE INGENIERIA
ELECTRONICA
I SEMANA ELECTRONICA
REDES
NEURONALES
I Avid
Ing.
A id Román
R á González
G ál
INTRODUCCION
• Se trata de una
nueva forma de
p
que
q
computación
es capaz de
j las
manejar
imprecisiones
cuando se tratan
de resolver
problemas del
p
mundo real.
Ing. Avid Roman Gonzalez
• Con las redes neuronales se intentara expresar
la solución de problemas complejos, no como
pasos,, si no como la evolución
una secuencia de p
de unos sistemas de computación inspirados en
el funcionamiento del cerebro humano y
d d por tanto de
dotados
d cierta
i
“inteligencia”,
“i li
i ” los
l
cuales no son si no la combinación de una gran
cantidad de elementos simples de proceso
(neuronas) interconectados que, operando de
forma masivamente paralela
paralela, consiguen resolver
problemas relacionados con el reconocimiento
de formas o p
patrones,, codificación,, clasificación,,
control y optimización.
Ing. Avid Roman Gonzalez
Definición de una Red Neuronal:
• Una nueva forma de computación, inspirada en
modelos biológicos.
• Un modelo matemático compuesto por un gran
número de elementos procesales organizados en
niveles.
niveles
• Un sistema de computación hecho por un gran
numero de elementos simples de proceso muy
interconectados.
edes Neuronales
eu o a es a
artificiales
t c a es so
son redes
edes
• Redes
interconectadas masivamente en paralelo de
elementos simples y con organización jerárquica,
las cuales intentan interactuar con los objetos del
mundo real del mismo modo que lo hace el
g
sistema nervioso biológico.
Ing.. Avid Roman Gonzalez
Ventajas
j de las redes Neuronales:
Son capaces de aprender de la experiencia, de generalizar
de casos anteriores a nuevos casos, entre las ventajas
que podemos mencionar se encuentran:
• Aprendizaje adaptativo.
• Autoorganización.
• Tolerancia a fallos.
p
en tiempo
p real.
• Operación
• Fácil inserción dentro de la tecnología existente.
Ing. Avid Roman Gonzalez
Aplicaciones
p
de las Redes Neuronales:
Las Redes Neuronales son
una tecnología emergente
que puede utilizarse en un
gran numero y variedad de
aplicaciones, tanto
comerciales como
militares.
• Biología.
l í
• Empresa.
• Medio
d Ambiente.
b
• Finanzas.
• Manufacturación.
f
ó
• Medicina.
• Militares.
ili
Ing. Avid Roman Gonzalez
Reconocimiento de Patrones:
El termino
t
i reconocimiento
i i t de
d patrones
t
originalmente se refería a la detección de formas
simples,
i l
tales
t l como caracteres
t
escritos
it a mano,
mapas del tiempo y espectros del lenguaje. Sin
embargo,
b
un objetivo
bj ti mas ambiciosos
bi i
ha
h sido
id
durante todo el tiempo implementar la
percepción
ió artificial,
tifi i l es decir,
d i imitar
i it las
l funciones
f
i
de los sistemas sensoriales biológicos en su
f
forma
mas completa.
l t
Ing. Avid Roman Gonzalez
Mas Aplicaciones:
•
•
•
•
Control de Robots.
Toma de decisiones.
Filtrado de señales
señales.
Segmentación,
compresión
ió y fusión
f ió
de datos.
• Interfaces
adaptativas para
sistemas
hombre/maquina.
Ing. Avid Roman Gonzalez
Implementación
p
de las Redes Neuronales:
Realizar redes neuronales
consiste en la implementación
d estas por medio
de
d de
d uno o
varios circuitos integrados.
Existen algunos productos
comerciales, como el N64 de
Intel, que incluye 64 neuronas
y 10000sinapsis,
10000 i
i o ell MB4442
de Fujistsu con una sola
neurona y capaz de procesar
70000 conexiones por
segundo, o el MD1220 de
Mi
Micro
D i
Device,
o ell conjunto
j
NU3232 y N32 de Neural
Semiconductors
Semiconductors.
Ing. Avid Roman Gonzalez
• La realización mas simple e inmediata
consiste en simular la red sobre un ordenador
convencional mediante un software
especifico.
• Realización de redes neuronales a través de
q
orientadas a la ejecución
j
de
arquitecturas
procesos con un alto grado de paralelismo.
• Una tercera aproximación radicalmente
distinta es la realización de redes neuronales
mediante su implementación por uno o varios
circuitos integrados específicos.
Ing. Avid Roman Gonzalez
FUNDAMENTOS DE
LAS REDES
NEURONALES
Modelo Biológico:
g
La teoría y modelado de redes neuronales
artificiales esta inspirado en la estructura y
f
funcionamiento
d
de llos sistemas nerviosos, donde
d d
la neurona es el elemento fundamental.
Ing. Avid Roman Gonzalez
• 1011 Neuronas
(procesadores)
• Poder
desconocido
• 1000 – 10000
conecciones por
neurona
Ing. Avid Roman Gonzalez
Red Neuronal Artificial:
• Modelo simplificado de neurona
biológica
– estático
– representación entrada-salida.
• Múltiples entradas, salida única
– diferente influencia de entradas en
salida
l d mediante
d
“pesos”
“
” (wi)
( )
– w: parámetros de la neurona
bi
bias
Entradas
u1
u2
un
• Relación entrada-salida no-lineal
– d
diferentes
f
opciones para f(
f(.))
• step, sat, sigm, tanh
• Capacidad de adaptación
– variación
i ió de
d sus “pesos”
“
” con algún
l ú
objetivo
• Existen otros modelos
• agregando dinámica
dinámica,
• modelos no deterministas
• relacionados con estructuras de
redes especificas
Ing.. Avid Roman Gonzalez
w0
w1
w2
wn
pesos sinápticos
n
s
Sumador
función de
acti ación
activación
f(.)
y
salida
Net j = ∑ xi w ji
a j (t + 1) = F (a j (t ), Net j )
y j = f j (a j (t + 1))
Ing.. Avid Roman Gonzalez
En cualquier
sistema que se
este modelando
modelando,
es útil caracterizar
t
tres
ti
tipos d
de
unidades:
entradas, salidas
y ocultas.
Ing. Avid Roman Gonzalez
CARACTERISTICAS
DE LAS REDES
NEURONALES
Topología
p
g de las Redes Neuronales:
Consiste en la organización y
disposición de las neuronas
en la red formando capas o
agrupaciones de neuronas
mas o menos alejadas de la
entrada y salida de la red.
Así tenemos:
• Monocapas:
• Multicapas:
Ing. Avid Roman Gonzalez
Mecanismo de Aprendizaje:
• Supervisado:
– Aprendizaje por corrección de errores.
– Aprendizaje por refuerzo.
– Aprendizaje estocástico.
estocástico
• No
N S
Supervisado:
i d
– Aprendizaje
p
j Hebbiano.
– Aprendizaje Competitivo y Cooperativo.
Ing. Avid Roman Gonzalez
Tipo de Asociación Entre las
Informaciones de Entrada y Salida:
• Redes Heteroasociativas.
Heteroasociativas
• Redes Autoasociativas.
Autoasociativas
Ing. Avid Roman Gonzalez
Representación
ep ese tac ó de la
a Información
o ac ó de
Entrada y Salida:
• Redes cuyos datos de entrada y salida son
g
analógicas.
• Redes cuyas entradas y salidas son
discretas o digitales.
• Redes que se podrían llamar hibridas, en
las que las informaciones de entrada
pueden valores continuos, aunque las
salidas de las red son discretas.
discretas
Ing. Avid Roman Gonzalez
GRACIAS
¿PREGUNTAS?
Ing. Avid
Ing
A id Roman Gon
Gonzalez
ale
[email protected]
htt //
http://www.geocities.com/avid_roman_gonzalez
iti
/ id
l
wi (t +1) = wi (t ) + α [d (t ) − y(t )]xi (t )
Don de d(t) representa la salida deseada.
Ing. Avid Roman Gonzalez