INSTITUTO TECNOLGICO DE

ACAPULCO
INTELIGENCIA ARTIFICIAL

REDES NEURONALES

CONCEPTOS BSICOS
Existen numerosas formas de definir a las redes neuronales; Por
ejemplo:
Una nueva forma de computacin, inspirada en modelos biolgicos.
Un modelo matemtico compuesto por un gran nmero de
elementos procesales organizados en niveles.
...un sistema de computacin compuesto por un gran nmero de
elementos simples, elementos de procesos muy interconectados,
los cuales procesan informacin por medio de su estado dinmico
como respuesta a entradas externas.
Redes
neuronales
artificiales
son
redes
interconectadas
masivamente en paralelo de elementos simples (usualmente
adaptativos) y con organizacin jerrquica, las cuales intentan
interactuar con los objetos del mundo real del mismo modo que lo
hace el sistema nervioso biolgico.

Elementos bsicos de una red

neuronal
La misma est constituida por neuronas interconectadas y
arregladas en tres capas (esto ltimo puede variar). Los datos
ingresan por medio de la capa de entrada, pasan a travs de la
capa oculta y salen por la capa de salida. Cabe mencionar que
la capa oculta puede estar constituida por varias capas.

Inspiracin Biolgica
Entender el cerebro y emular su
comportamiento
El cerebro presenta las siguientes ventajas que son deseables
para los sistemas computacionales:
Gran velocidad de procesamiento.
Tratamiento de grandes cantidad de informacin provenientes
de los sentidos y de la memoria almacenada.
Se adapta a nuevos ambientes por aprendizaje
Es robusto y tolerante a fallas.
Es compacto y consume poca energa.
Es altamente paralelo.
Capacidad de aprendizaje.

Ventajas
Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas
basadas en un entrenamiento o en una experiencia inicial.
Auto-organizacin. Una red neuronal puede crear su propia
organizacin o representacin de la informacin que recibe mediante
una etapa de aprendizaje.
Tolerancia a fallos. La destruccin parcial de una red conduce a una
degradacin de su estructura; sin embargo, algunas capacidades de
la red se pueden retener, incluso sufriendo un gran dao.
Operacin en tiempo real. Los cmputos neuronales pueden ser
realizados en paralelo; para esto se disean y fabrican mquinas con
hardware especial para obtener esta capacidad.
Fcil insercin dentro de la tecnologa existente. Se pueden
obtener chips especializados para redes neuronales que mejoran su
capacidad en ciertas tareas. Ello facilitar la integracin modular en
los sistemas existentes.

CLASIFICACIN
Una primera clasificacin de los modelos de redes
neuronales podra ser, atendiendo a su similitud con la
realidad biolgica:
El modelo de tipo biolgico. Este comprende las
redes que tratan de simular los sistemas neuronales
biolgicos, as como las funciones auditivas o algunas
funciones bsicas de la visin.
El modelo dirigido a aplicacin. Este modelo no
tiene por qu guardar similitud con los sistemas
biolgicos. Su arquitectura est fuertemente ligada a
las necesidades de las aplicaciones para la que es
diseada.

Redes neuronales de tipo biolgico

El objetivo
principal de las
redes neuronales
de tipo biolgico
es desarrollar un
elemento sinttico
para verificar las
hiptesis que
conciernen a los
sistemas
biolgicos.

Redes neuronales para aplicaciones

concretas
Las caractersticas principales de este tipo de RNson los siguientes:
Auto Organizacin y Adaptabilidad: utilizan algoritmos de aprendizaje
adaptativo y auto organizacin, por lo que ofrecen posibilidades de
procesado
robusto
y
adaptativo.
Procesado No Lineal: aumenta la capacidad de la red de aproximar,
clasificar
y
su
inmunidad
frente
al
ruido.
Procesado paralelo: normalmente se usa un gran nmero de clulas de
procesado
por
el
alto
nivel
de
interconectividad.
Estas caractersticas juegan un importante papel en lasRN aplicadas al
procesado de seal e imagen. Una red para una determinada aplicacin
presenta una arquitectura muy concreta, que comprende elementos de
procesado adaptativo masivo paralelo combinadas con estructuras de
interconexin de red jerrquica.

DESARROLLOS ACTUALES
NEUROSIMULADORES
De acuerdo con su desarrollo, el neurosoftware posee:
Modelado Neuronal.
Programacin directa.
Libreras especficas de libre distribucin.
Entornos de desarrollo amigables.
Arquitecturas Neuronales.
Mtodos de Aprendizaje
De acuerdo con lo anterior, estas aplicaciones dan al usuario:
Facilidad de uso.
Potencia.
Eficiencia.
Extensibilidad.

DESARROLLOS ACTUALES
DESARROLLO DE BIOCHIPS
Unbiochipes un dispositivo a pequea escala, anlogo a
uncircuito integrado, ensamblado o usado para analizarmolculas
orgnicas asociadas con los organismos vivientes.
En teora un biochip es una abeja construida de grandes molculas
orgnicas, tales como lasprotenas, capaz de desempear las
funciones
de
unacomputadora(almacenamiento
de
datos,
procesamiento). Otro tipo de biochip, es un pequeo aparato capaz
de realizar rpidas reaccionesbioqumicasen escala reducida, con
el propsito de identificar secuencias genticas, agentes
contaminantes,toxinasaero transportables u otros elementos
bioqumicos.

DESARROLLOS ACTUALES
RECONOCIMIENTO FACIAL
Como sistema puede operar en dos modos principalmente
1. Autentificacin de rostros: compara una imagen de la cara con
otra imagen con la cara de la que queremos saber la identidad.
2.Identificacin de rostros: compara la imagen de una cara
desconocida, con todas las imgenes de una base de datos.

APLICACIN
Las redes neuronales pueden utilizarse en un gran nmero y
variedad de aplicaciones, tanto comerciales como militares.
Algunas aplicaciones comerciales son:
Biologa:
Aprender ms acerca del cerebro y otros sistemas.
Obtencin de modelos de la retina.
Militares:
Clasificacin de las seales de radar.
Creacin de armas inteligentes.
Optimizacin del uso de recursos escasos.
Reconocimiento y seguimiento en el tiro al blanco.

APLICACIN
Medio ambiente:
Analizar tendencias y patrones.
Previsin del tiempo.
Finanzas:
Previsin de la evolucin de los precios.
Valoracin del riesgo de los crditos.
Identificacin de falsificaciones.
Medicina:
Analizadores del habla para ayudar en la audicin de sordos
profundos.
Diagnstico y tratamiento a partir de sntomas y/o de datos
analticos
(electrocardiograma,
encefalogramas,
anlisis
sanguneo, etc.).

REFERENCIAS
Garca, B. Patricio, Introduccin a las Redes
Neuronales y su Aplicacin a la Investigacin en
Astrofsica Universidad de Gran Canarias, Espaa,
2009
http://www.swagger.mx/tecnologia/elreconocimiento-facial-automatico-impactainterpol

PREGUNTAS

1.- Qu son las redes neuronales?

2.- Cules son sus ventajas?
3.- Cmo se clasifican las redes neuronales?
4.- Menciona 5 aplicaciones de las redes
neuronales