Vous êtes sur la page 1sur 3

Por: Alberto Vilca Charaja – alberto.v.ch@gmail.com http://www.geocities.

com/eto_humb
http://eto.exofire.net
REDES NEURONALES ARTIFICIALES 1

REDES NEURONALES ARTIFICIALES

Veamos algo más directo, que información teórica se encuentra ya a montones, y me


parece que son más definiciones matemáticas, veamos algo un poco más práctico.

LA NEURONA BIOLOGICA.
A manera de introducción, se puede hacer referencia a la neurona biológica, que como
ya sabemos consta de tres partes principales, las dendritas, el cuerpo celular de la
neurona (soma) y el axón, funcionalmente la neurona recibe información por las
dendritas, la procesa en el cuerpo celular, y la reacción se emite por el axón,
dependiendo donde se encuentre la neurona, trasmitirá esa información de salida a otras
neuronas o a los músculos.

Haciendo una comparación funcional, con la electrónica, si quisiéramos compararla con


un circuito, si fuera analógico, podríamos hacerlo con un amplificador sumador, y en el
mundo digital, con cualquier procesador, específicamente en nuestro caso podemos
hacerlo con un PIC o cualquier otro microcontrolador.

Como vemos en la figura, la sinapsis se realiza de la salida del axón, a las dendritas de
otra neurona, las cuales llevan la información al cuerpo celular para procesarla, y
transmitirla al axón nuevamente, lo cual hacemos en todos nuestros circuitos, tenemos
una(as) entrada(s), y una(s) salida(s), el detalle es en como se procesa la información,
implementando un método de control común, podemos encontrarnos desde un algoritmo
simple hasta uno muy complejo, según sea la necesidad, pero utilizando una neurona o
una red neuronal, el algoritmo siempre será el mismo.

LA NEURONA ARTIFICIAL.
Ya habiendo visto las semejanzas, veremos como procesa la información la neurona.,
para lo cual veremos como realiza su sinapsis.

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.
Por: Alberto Vilca Charaja – alberto.v.ch@gmail.com http://www.geocities.com/eto_humb
http://eto.exofire.net

Lo que tiene que hacer la neurona artificial es multiplicar cada entrada por su respectivo
peso, lo mismo que el peso umbral, que normalmente su entrada es -1 (pero se puede
utilizar otro valor, según sea el caso, pero eso se vera más adelante), y sumar esos
resultados, esa sumatoria se llama la “regla de propagación”, ese resultado pasa a ser
evaluado por otra función que es la “función de activación” cuyo resultado es
efectivamente la salida de la neurona artificial, esta función de salida dependerá del tipo
de neurona que se utilice.

La regla de propagación más común, es la vista en la figura.

Como hemos visto, lo único que tiene que hacer nuestra neurona es multiplicar y luego
sumar, para luego aplicar una función a la salida

FUNCION DE ACTIVACION
Veremos un cuadro de las más comunes.

FUNCION RANGO GRAFICA


IDENTIDAD y=x [-inf, +inf]

ESCALON y = signo(x) {-1,+1}


y = H(x) {0,+1}

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.
Por: Alberto Vilca Charaja – alberto.v.ch@gmail.com http://www.geocities.com/eto_humb
http://eto.exofire.net
LINEAL A -1, si x<-1 [-1,+1]
TRAMOS y = x, si -1<=x<=+1
+1, si x>+1

SIGMOIDEA 1 [0,+1]
y = -------
1+e^(-x)
y = tgh(x) [-1,+1]

GAUSSIANA y = A.e^(-Bx^2) [0,+1]

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.