Download FUNDAMENTOS DE LA RNA El cerebro humano
Document related concepts
Transcript
FUNDAMENTOS DE LA RNA JAIME CORDERO VERA FUNDAMENTOS DE LA RNA Conceptos básicos de redes neuronales biológicas. Las Redes Neuronales Artificiales se basan vagamente en la estructura del cerebro. Se supone que un modelo más exacto podría presentar características más sorprendentes, pero la construcción de este modelo requiere información y tecnología con la que aún no se cuenta. El cerebro humano. El cerebro sigue siendo un misterio. La bioquímica cerebral es un secreto. Se sabe algo acerca del comportamiento electromecánico y cada vez salen a la luz nuevos niveles de complejidad. Enseguida hablaremos de una manera muy general de la estructura y función cerebral. Organización cerebral Contiene elementos llamados neuronas. Estos se comunican a través del cuerpo por medio de hileras nerviosas, las cuales forman cerca de 100 trillones de conexiones llamadas sinapsis. Neurón artificial El funcionamiento de un neurón artificial consiste en aplicar un conjunto de entradas, cada una representando la salida de otro neurón, o un entrada del medio externo. Realizar una suma ponderada con estos valores, y "filtrar" este valor con una función. Red neuronal de 1 nivel. Las RNAs de un nivel (o de una capa) es el modelo más simple. Una neurona aislada dispone de poca potencia de cálculo. Los nodos se conectan mediante la sinapsis Las neuronas se agrupan formando una estructura llamada capa. RNA de varios niveles. En una red con varios niveles o capas, la función de activación debe ser no lineal, ya que de no ser así una red con varios niveles equivaldría a una red con un nivel. Esta afirmación puede demostrarse de la siguiente manera: Si F es una función lineal, entonces la salida del primer nivel de la red esta dada por: Si F es lineal Tipos de entrenamiento. Esta es una de las partes más ingeniosas y sorprendentes de los sistemas neuronales artificiales. Una red es entrenada de manera que un conjunto de valores de entrada produce la salida deseada. Hay dos tipos de entrenamiento de RNA: entrenamiento supervisado y entrenamiento no supervisado. Entrenamiento Supervisado. Cada vector de entrada se aplica a la red, la correspondiente salida (dada por los pasos de la red) se calcula y se compara con la salida deseada. Entrenamiento no Supervisado El entrenamiento no supervisado se caracteriza porque no requiere de un vector de salida. El PERCEPTRON Modelo simple que consiste en un solo neurón. El neurón calcula la suma de pesos y los substrae de un valor umbral, representado. Representacion del perceptron Representación esquemática del concepto de redes neuronales perceptrón, puede verse también como un gráfico con gran número de conexiones internas entre vértices. La separabilidad lineal limita a las redes con sólo dos capas a la resolución de problemas en los cuáles el conjunto de puntos (valores de entrada) sean separables geométricamente. En el caso de dos entradas, la separación se lleva a cabo mediante una línea recta. El hecho de que el perceptrón sólo es capaz de representar funciones linealmente separables se deduce de la expresión Entrenamiento del perceptron El perceptrón se entrena presentando un conjunto de vectores de entrada, uno a la vez y ajustando los pasos hasta que la salida deseada ocurra para cada entrada. El entrenamiento del perceptrón es supervisado. Reconocimiento de patrones El proceso de reconocimiento de patrones tiene que ver con la actividad de clasificar un objeto o hecho en alguna categoría determinada, en base a particularidades del objeto que son comunes a los miembros de una misma clase. Actividades comunes de reconocimiento de patrones realizados por humanos son: Escuchar una conversación Leer un libro Reconocer un amigo entre la multitud Traducir de un lenguaje a otro. Una definición formal de Reconocimiento de Patrones es la siguiente: "Es la categorización de datos de entrada en clases identificadas, por medio de la extracción de características significativas o atributos de los datos extraídos de un medio ambiente que contiene detalles irrelevantes."