Redes Neuronales

Convolucionaes
¿Qué es una red neuronal?
• Es una técnica para construir un programa de computadora que aprende de
los datos.

• Se basa muy poco en cómo creemos que funciona el cerebro humano.

• En primer lugar, se crea una colección de "neuronas" de software que se

conectan entre sí, lo que les permite enviarse mensajes entre sí.

• Luego, se le pide a la red que resuelva un problema, que intenta hacer una y
otra vez, fortaleciendo las conexiones que conducen al éxito y disminuyendo
aquellas que conducen al fracaso.
Neurona biológica
• Célula del sistema nervioso,
descubierta por el Dr. Santiago
Ramón y Cajal en 1904 (España).
Primera red neuronal artificial
• Modelo de McCullochy Pitts(1943),
llamado Perceptrón.

• La neurona es una unidad de

cálculo binaria con varias entradas.

• Calcula la suma ponderada de sus

entradas (pesos sinápticos) seguida
de una operación no lineal.
Perceptrón multicapa
• Redes de propagación hacia
adelante.

• En aprendizaje retropropaga el
error para disminuirlo
obteniendo los parámetros de la
red.

• Una red de cuatro capas tiene

dos capas ocultas.
Estructura de una red neuronal
multicapa
• Neuronas o unidades (neurons, units)
 Conexiones de entrada.
 Función de activación o de transferencia

• Conexiones (links)
 Propagan activación de una neurona a otra.
 Tiene un valor llamado peso sináptico.

• Capas (layers)
 de entrada (input): sólo nodos de entrada.
 oculta (hidden): salida no visible.
 de salida (output): salida visible.
Algunas aplicaciones
• Reconocimiento de patrones (voz, imágenes, texto).

• Procesamiento de señales.

• Predicción de estado atmosférico.

• Predicción de mercado financiero.

• Clasificación de proteínas.

• Control de robots.

• Identificación de bancos de radares.

• Detección de explosivos.
Redes neuronales convolucionales
• Tratan de imitar al sistema visual humano (dinámico).

• Es un tipo de red neuronal artificial donde las neuronas corresponden a

campos receptivos de una manera muy similar a las neuronas en la corteza
visual primaria (V1) de un cerebro biológico.

• Es una variación de un perceptron multicapa, sin embargo, debido a que su

aplicación es realizada en matrices bidimensionales.

• Usan campos receptivos (región de la imagen de la que recibe información

cada neurona).

• Son muy efectivas para tareas de visión artificial, como en la clasificación y

segmentación de imágenes, entre otras aplicaciones.

• No requieren extracción de características (como son bidimensionales

entonces pueden recibir directamente la imagen como entrada).
Arquitectura
• Una red neuronal convolucional es una red multicapa que consta de capas
convolucionales y de submuestreo alternadas, y al final tiene capas de
conexión total como una red perceptrón multicapa.
1. Convolución - convolution
• En la convolución se realizan operaciones de productos y sumas entre la
capa de partida y los n filtros (o kernel) que genera un mapa de
características. Los características extraídas corresponden a cada posible
ubicación del filtro en la imagen original.
1. Convolución - convolution
• La ventaja es que el mismo filtro (= neurona) sirve para extraer la misma
característica en cualquier parte de la entrada, con esto que consigue reducir
el número de conexiones y el número de parámetros a entrenar en
comparación con una red multicapa de conexión total.
1. Convolución - convolution
• Después de aplicar la convolución se le aplica a los mapas de características
una función de activación.
2. Reducción – pooling
• Se disminuye la cantidad de parámetros al quedarse con las características
más comunes.

• La forma de reducir parámetros se realiza mediante la extracción de

estadísticas como el promedio o el máximo de una región fija del mapa de
características, al reducir características el método pierde precisión aunque
mejora su compatibilidad.
3. Clasificador – red perceptrón multicapa
• El final de las capas convolucional y de reducción, se suele utilizar capas
completamente conectadas en la que cada pixel se considera como una
neurona separada al igual que en un perceptrón multicapa.

• La última capa de esta red es una capa clasificadora que tendrá tantas
neuronas como el número de clases a predecir.
Referencias
• Red neuronal Convolucional CNN. http://www.diegocalvo.es/red-neuronal-
convolucional-cnn/

• Redes neuronales convolucionales.

https://es.wikipedia.org/wiki/Redes_neuronales_convolucionales