Redes

Neuronales Y
Sistemas
Difusos
Carlos Espinosa Herrera
INGENIERIA MECATRONICA

Resumen- Capitulo 1

Introduccion
Los mtodos matemticos de las neuronas difusas emplean relaciones difusas
adaptativas y operadores en la sinapsis, esto para convertir las entradas externas
en salidas sinpticas.
Si remontamos a pocas histricas, donde los intentos resultaban prematuros en
relacin a la tecnologa disponible, podemos considerar que el camino hacia la
construccin de maquinas inteligentes comienza en la segunda guerra mundial,
con el diseo de ordenadores analgicos ideados para controlar caones
antiareos o para navegacin. De este modo, combinando las nuevas teoras
sobre la realimentacin, los avances de la electrnica de la posguerra y los
conocimientos disponibles sobre los sistemas nerviosos de los seres vivos, se
contruyeron maquinas capaces de responder y de aparender como los animales.
Norbert Wiener acuo el termino ciberntica para designar este estudio unificado
de control y de la comunicacin en los animales y las maquinas.
A la par de los ordenadores analgicos y la ciberntica se inicia el desarrollo de los
ordenadores digitales tal y como conocemos hy en dia, basados en la separacin
de estructura y funcin, corriente que en adelante denominaremos Computacion
Algoritmica.
La computacin algortmica se basa por lo tanto, en resolver cada problema
mediante un algoritmo, que se codifica en forma de programa y se almacena en
memoria; el programa secuencial es ejecutado en una maquina secuecial.
Los sistemas borrosos pueden describirse como un tipo de lgica multivaluada
que permite manejar estos conceptos borrosos o difusos tipics del mundo real y
que emula el tipo de razonamiento que los seres humanos realizamos con ellos
haciendo uso de sentencias como SI habitacin esta muy fra Entonces pon la
calefaccin al mximo. Podemos decir que mientras las redes neuroales emulan el
hardware del cerebro, los sistemas borrosos se ocupan del lado mas software.
En definitiva, hoy en dia vuelven a coexistir dos corrientes importantes dentro de la
bsqueda de la inteligentia que son, mas que alternativas, complementarias. Por
una parte la IA convencional, basada en algoritmos manipuladores de informacin
simbolica, que se ejecutan sobre los ordenadores Von Neumann, que operan
sobre la base de la lgica digital. Por otra parte, suelen agruparse las redes
neuronales, los sitemas borrosos y otras tcnicas, que se incluyen en lo que se ha
dado en denominar Inteligencia Computacional o Soft Computing, que en cierta
medida imitan las construcciones desarrolladas por la naturaleza. Asi como el
termino ABC de la inteligencia pueden contemplarse sus tres facetas: artificial,
biolgica
y
computacional.

MICROPROCESADORES,
CEREBRO.

COMPUTADORES

Los actuales computadores son maquinas de Von Neumann, en esencia una

maquina de procesamientos que actua ejecutando en serie una secuencia de

instrucciones o programa, que almacena en su memoria. La maquina esta

compuesta por cuatro unidades bsicas: unidad de entrada de informacin, unidad
de
salida,
unidad
de
procesamiento,
y
memoria.
La mayor parte de los ordenadores disponibles en la actualidad son maquinas
manipuladoras de smbolos que se basan en este esquema. La unidad de entrada
de datos es el teclado o las unidades de disco;la unidad de salida es muy a
menudi la pantalla o la impresora; la unidad de procesamiento o CPU es el
microprocesador ; la memoria puede estar distribuida entre el disco duro, cintas,
CD-ROM
o
la
memoria
central
de
semiconductor.
El verdadero corazn del computador es el microprocesador, potente y
complejsimo circuito electrnica, que en la actualidad puede integrar varios
millones de componentes electrnicos en un espacio de alrededor de un
centmetro cuadrado. El microprocesador es considerado en muchas ocasiones
como la cumbre de la tecnologa humana, tanto por el nivel de desarrollo
tecnolgico necesario para poder incluir millones de dispositivos electrnicos en
tan reducido espacio, como por la
potencia de calculo que pueden
desarrollar

Parece obvio que para abordar esta

clase de tareas debe recurrirse al
procesamiento en paralelo. Una
solucin puede ser el empleo de
varias CPU operando a la vez, pero
el
esfuerzo necesaruon
para
construir un programa orientado a
una maquina de este tipo es
tremendo, muy dependiente de la
estructura concreta de la maquina con la que se trabaje. Adems, aparecen
importantes cuestiones adicionales, como el espacio que ocupa una maquina de
estas caractersticas, la energa que consume, y sobre todo, su elevado coste
econmico, circunstancias que hacen inviable su aplicacin ala construccin de,
por
ejemplo,
un
pequeo
robot
inteligente.
Por el contrario, el cerebro, cuyas capacidades queremos emular, no opera de
acuerdo al marco descrito. El cerebro no es una arquitectura Von Neumann, pues
no esta formado por un mocroprocesador, ni siquiera esta constituido por unas
cuantas CPU, sino que lo componen millones de procesadores elementales o
neuronas, ampliamente interconectadas conformando redes de neuronas. La
neurona es en realidad un pequeo procesador, sencillo, lento y poco fiable, sin
embargo, en nuestro cerebro cohabitan unos cientos mil millones de neuronas
operando en paralelo. Es aqu donde reside el origen de su poder de computo.
Aunque individualmente las neuronas sean capaces de realizar procesamientos

muy simples, ampliamente interconectadas a travez de sinapsis y trabajando en

paralelo pueden desarrollar una actividad global de procesamiento enorme
Velocidad de proceso
Estilo de procesamiento
Numero de procesadores
Conexiones
Almacenamiento
del
conocimiento
Tolerancia a fallos
Tipo de control del
proceso

Cerebro
10^-2seg(100hz)
paralelo
10^11-10^14
10.000 por procesador
distribuido

Computador
10^-9seg (1000Mhz)
Secuencial
pocos
Pocas
Direcciones fijas

amplia
Auto-organizado

nula
Centralizado

Redes Neuronales Artificiales

Las redes neuronales o sistemas neuronales artificiales constituyen en la
actualidad un activo de campo multidisciplinar, en el que confluyen investigadores
procedentes de muy diferentes reas, como la electrnica, fsica, matemticas,
ingeniera, biologa o psicologa. No obstante, hay que tener muy presente que en
las redes neuronales artificiales no se persigue ningn tipo de ambicion
prometeica, como las de la IA en sus inicios, sino que se utilizan en el control de
procesos industriales, reconocimiento de vehculos en los peajes de las autopistas
o la previsin del consumo elctrico, objetivos desde un punto de vista
tecnolgico. Es en este tipo de problemas practicos en los que los sistemas
neuronales estn alcanzando excelentes resultados.
Inteligencia Artificial
Redes Neuronales
Enfoque descendente
Enfoque ascendente
Basado en la psicologia
Basado en la biologia
Que hace el cerebro
Como lo hace el cerebro
Reglas SI/ENTONCES
Generalizacion a partir de ejemplos
Sistemas programados
Sistemas entrenados
Logica, conceptos, reglas
Reconocimiento de patrones, gestalt
Arquitectura von Neumann
Arquitecturas paralelas, distribuidas,
Separacion hardware/software
adaptivas. Autoorganizacion

Sistemas Borrosos
Sistema inteligente que, a partir de un conjunto de funciones de pertenencia
definidas en determinado universo de discurso y determinadas reglas definidas por
un experto realiza una inferencia a partir de valores de las variables de entrada Si
A
es
BAJA
y
B
es
ALTA
Entonces
C(A,B)
es
MEDIO.
En definitiva, la lgica borrosa razona a partir de estos trminos lingsticos
borrosos, haciendo uso de sentencas del tipo SI/ENTONCES, como por ejemplo,
SI temperatura=fra ENTONCES enciende calefaccin o SI presin=muy alta

ENTONCES abrir la valvula. Estas tendencias borrosas son en realidad

representaciones naturales y compactas del conocimiento humano disponible
sobre una materia.

REDES NEURONALES Y SISTEMAS DIFUSOS

Tratando de resumir lo expuesto hasta el momento, podemos permitirnos una
cierta licencia afirmando que
a) Las redes neuronales emulan el hardware del cerebro
b) Los sistemas borrosos emulan el hardware del cerebro
Ambos temas los desarrollaremos con cierta extensin en las dos partes en las
que dividimos el texto. Comenzaremos la exposicin con las redes neuronales
artificiales, realizando una introduccin el tema, exponiendo los modelos de mayor
inters desde un punto de vista practico, y mostrando como se construye un ANS
y
como
se
desarrollan
aplicaciones
basadas
en
ellos.
Las redes neuronales artificiales son capaces de descubrir automticamente
relaciones entrada-salida en funcin de datos empricos, mercen a su capacidad
de aprendizaje a partir de ejemplos; Los sistemas borrosos permiten emplear el
conocimiento disponible por los expertos para el desarrollo de sistemas
inteligentes.

MARCO TEORICO.
(un poco de historia)

La historia de las redes neuronales artificiales comenzara con el cierfitico

aragones Santiago Ramon y Cajal, descubridor de la estructura neuronal del
sistema nervioso, en 1888 Ramon y Cajal demostr que el sistema nervioso en
realidad estaba compuesto por una red de clulas individuales, las neuronas,
ampliamente interconectadas entre si.
Desde un punto de vista funcional, las neuronas constituyen procesadores de
informacin sencillos. Como todo sistema de este tipo, poseen un canal de
entrada de informacin, las dentritas, un rgano de computo, el soma, y un canal
de salida, el axn. En las interneuronas el axn enva la informacin a otras
neuronas, mientras que en las neuronas motoras lo hace directamente al musculo.
Existe un tercer tipo neuronas, las receptoras o sensoras, que en vez de recibir la
informacin de otras neuronas, las reciben directamente del exterior. Se calcula
que una neurona del cortex cerebral recibe informacin, por termino medio, de
unas 10000 neuronas, y enva impulsos a varios cientos de ellas.

GENERACION Y TRANSMISION DE LA SEAL

NERVIOSA
La unin que existe entre dos neuronas se denomia sinapsis. En el tipo de
sinapsis mas comn no existe un contacto fsico entre las neuronas, sino que
estas permanecen separadas por un pequeo vacio de unas 0.2 micras. En la
relacin a la sinapsis, se habla de neuronas presinapticas (la que enva seales) y
postsinapticas (la que las recibe). Las sinapsis son direccionales, es decir, la

informacin
fluye
siempre
en
un
nico
sentido
Las seales nerviosas se pueden transmitir elctrica o qumicamente. La
transmisin qumica prevalece fuera de la neurona, mientras que la elctrica lo
hace en el interior. La transimision qumica se basa en el intercambio de
neurotransmisores, mientras que la elctrica hace sos de descargas que se
producen en el cuerpo celular, y que se propagan por el axn.
La forma de comunicacin mas habitual entre dos neuronas es de tipo quimico. La
neurona presinaptica libera unas sustancias complejas denominadas
neurotransmisores, que atraviesan el vacio sinptico. Si la neurona postsinaptica
posee en las dentriras o en el soma canales sensibles a los neurotransmisores
liberados, los fijaran, y como consecuencia permitirn el paso de determinados
iones atraveez de la membrana. Las corrientes ionicas que de esta manera se
crean provocan pequeos potenciales postsinapticos, excitadores o inhibidores,
que se integraran en el soma, tanto espacial como temporalmente: este es el
origen de la existencia de sinapsis excitadoras y de sinapsis inhibidoras.
Gerenando un pulso elctrico por el soma, el transporte activo que se produce a lo
largo del axn permite que pueda transmitirse a grandes distancias sin
degradarse.