Las redes neuronales artificiales (ANN) son sistemas paralelos para el procesamiento de la información, inspirados en el modo en el que las redes de neuronas biológicas del cerebro procesan información.
Todo el mundo puede observar que el cerebro humano es superior a una computadora digital en muchas tareas. Por ejemplo en el procesamiento de información visual: un niño de 1 año reconoce objetos, caras,... mejor y más rápidamente que el mejor sistema de Inteligencia Artificial diseñado para dicha tarea, incluso ejecutándose en un superordenador. Solo en las tareas basadas principalmente en aritmética sencilla, los ordenadores sobrepasan el cerebro humano.
Debido a la inspiración ya mencionada de las ANN en el cerebro, sus aplicaciones principales estarán centradas en campos donde la inteligencia humana no pueda ser emulada de forma satisfactoria por algoritmos aritméticos que pueden ser implementados en ordenadores.
Además dichas ANN deben tener características similares a las del cerebro:
• Robustas y tolerantes a fallos. En el cerebro mueren todos los días gran cantidad de neuronas sin afectar sensiblemente a su funcionamiento.
• Flexibles. El cerebro se adapta a nuevas circunstancias mediante el aprendizaje.
• Podrán trabajar con información borrosa, incompleta, probabilística, con ruido inconsistente.
• Serán altamente paralelas. El cerebro esta formado por muchas neuronas interconectadas entre si y es precisamente el comportamiento colectivo de todas ellas lo que caracteriza su forma de procesar la información.
El punto clave de las ANN es la nueva estructura de estos sistemas para el procesamiento de la información. Estos están compuestos, al igual que el cerebro, por un numero muy elevado de elementos básicos (las neuronas), altamente interconectados entre ellos y con modelo de respuesta para cada elemento en función de su entorno muy parecido al comportamiento de las neuronas biológicas.
Estos modelos son simulados en ordenadores y es el comportamiento colectivo de todos los elementos lo que le confiere esas características tan peculiares para la resolución de problemas complejos. Las ANNs, como las personas, aprenden a partir de ejemplos.
Aprender en sistemas biológicos involucra la modificación de la ínter conectividad entre las neuronas y esto es también ocurre con las ANNs.
El aprendizaje en las ANNs se efectúa mediante la asignación de ponderaciones a los nodos.
Con las funciones suma y transferencia se obtienen las salidas correspondientes de cada neurona:
Y: Salida del neuron i
f ( ): Función de transferencia
w ij : Ponderación del imput j del neuron i
x j : El valor de entrada de j
No hay comentarios:
Publicar un comentario