INTRODUCCION A LAS REDES NEURONALES

INTRODUCCIÓN

Desde el principio de los tiempos, los humanos siempre han pensado en cuál es su naturaleza, teniendo en cuenta cada uno de los conceptos conocidos por ellos, han ido determinando con el pasar de los años el funcionamiento de cada una de sus partes, pero para ello han tenido que esperar bastante, sin embargo esto no los detuvo en ningún momento, llegando a descubrir incluso el funcionamiento interno de las neuronas, como transportan la información recibida, como la codifican etc

Las Redes Neuronales biológicas son muy importantes dentro del desarrollo de la Inteligencia Artificial, ya que en la búsqueda del ser humano de crear maquinas inteligentes (mecanismos que simulen un comportamiento inteligente en un determinado entorno),  busca conocer cómo funciona su sistema en relación con la naturaleza, que lo diferencia de los animales y de los pequeños microorganismos. Para esto se analiza el comportamiento del cerebro humano (principalmente el referido a las neuronas y sus conexiones), para tratar de crear modelos artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales

En fin, en lo que se enfoca ahora es en tratar de emular o imitar, el gran funcionamiento del cerebro humano que como se menciona, lo hace por medio de impulsos, que luego son traducidos en información, y posteriormente transportado, a través de una gran red de conductores, conocidos como red de neuronas

MARCO TEORICO

REDES NEURONALES ARTIFICIALES

Las redes neuronales artificiales también denominadas RNA es una forma de aprendizaje de la función del sistema nervioso de los seres humanos y animales. Es en sí, una especie de red compuesta por neuronas, es decir muchas neuronas conectadas entre sí, que permiten la entrada, procesamiento y salida de información.

FUNDAMENTOS BIOLÓGICOS DE LAS REDES DE NEURONAS

El Sistema Nervioso está considerado como la estructura única más compleja del universo. Su principal función es, junto con el sistema endocrino, asegurar el control y la comunicación dentro del organismo.

De alguna forma, una neurona es un procesador de información muy simple:

Canal de entrada: dendritas (Reciben los estímulos).

Procesador: Núcleo.

Canal de salida: axón (Transmite la señal de activación).

Las dendritas: Elementos de unión entre Axón y dendritas, es el espacio líquido con determinadas concentraciones iónicas (K, Na) (Izurieta, F y Saavedra, C. 2000).

El sistema de comunicación neuronal se compone de tres partes:

Los receptores, que están en las células sensoriales, recogen la información en forma de estímulos, ya sea que estos provengan del ambiente o del interior del organismo.

El Sistema Nervioso, que recibe las informaciones, las elabora, en parte las almacena y las envía en forma elaborada a los órganos efectores y a otras zonas del sistema nervioso.

Órganos diana o Efectores (glándulas, músculos, etc.), que reciben la información y la interpretan en forma de acciones motoras, hormonales, etc. 

MODELO COMPUTACIONAL

 Existen modelos muy diversos de redes de neuronas en los cuales se siguen filosofías de sueño, reglas de aprendizaje y funciones de construcción de las respuestas muy distintas. Una primera clasificación se hace en función del recorrido que sigue la información dentro de la red, y así se distinguen redes alimentadas hacia adelante y redes con retro-alimentación

Una red viene determinada por:

Un conjunto de unidades de proceso, conexiones entre las unidades, regla de propagación, para emitir señales a través de las conexiones y una regla de aprendizaje para modificar los pesos sinápticos de las conexiones.

ESTRUCTURA BÁSICA DE LA RED

En general, las neuronas suelen agruparse en unidades estructurales llamadas capas. Dentro de una capa, las neuronas suelen ser del mismo tipo. Se pueden distinguir tres tipos de capas:

De entrada: reciben datos o señales procedentes del entorno.

De salida: proporcionan la respuesta de la red a los estímulos de la entrada.

Ocultas: no reciben ni suministran información al entorno (procesamiento interno de la red) 

Generalmente las conexiones se realizan entre neuronas de distintas capas, pero puede haber conexiones intracapa o laterales y conexiones de realimentación que siguen un sentido contrario al de entrada-salida.

VENTAJAS DE LAS REDES NEURONALES

Aprendizaje adaptativo. Es una de las características mas atractivas de las redes neuronales, es la capacidad de aprender a realizar tareas básicas en un entrenamiento o una experiencia inicial

Auto-organización. Una Red Neuronal Artificial puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje. Esta auto-organización provoca la facultad de las redes neuronales de responder apropiadamente cuando se les presentan datos o situaciones a los que no habían sido expuestas anteriormente.

Tolerancia a fallos. Comparados con los sistemas computacionales tradicionales, los cuales pierden su funcionalidad en cuanto sufren un pequeño error en memoria, en las redes neuronales, si se produce un fallo en un pequeño número de neuronas, aunque el comportamiento se ve influenciado, sin embargo no sufre una caída repentina

Operación en tiempo real. Los computadores neuronales pueden ser realizados en paralelo, se diseñan y se fabrican máquinas con hardware especial para obtener esta capacidad

APLICACIONES

En Biología, como aprender más acerca del cerebro y otros sistemas, obtención de retinas entre otros

En el Medio Ambiente, como analizar tendencias y patrones, identificación de falsificaciones, robots automatizados y sistemas de control

En la Medicina, analizadores del habla para la ayuda de audición; diagnóstico y tratamientos a partir de síntomas de datos analíticos y lecturas de RayosX.

En la empresa como identificación de candidatos para posiciones especificas exploración de bases de datos, entre otras.

CONCLUSIONES

Las redes neuronales artificiales buscan imitar el comportamiento del cerebro a través de un modelo, para esto se realiza una simplificación, averiguando cuáles son los elementos relevantes del sistema,  ya que la cantidad de información que existe es mucha y esta puede ser redundante. El desarrollo de estas redes se puede aplicar a diferentes campos como la biología, medicina, finanzas etc. Ya que son una tecnología computacional emergente.

Las redes neuronales artificiales son una abstracción de las redes neuronales reales , la IA trata de simularlas inspirándose en la biología. La clasificación  es muy metódica,  también está bien distribuida   y la que más me llama la atención son  las redes neuronales  artificiales  de aprendizaje híbrido.

BIBLIOGRAFIA

García. E. 2009. Vida e inteligencia artificial. Revista ACIMED. V 19 n. (En Línea). Consultado el 1  de Diciembre 2014. Disponible en: http://scielo.sld.cu/scielo.ph

Herrán, M. 1999. Inteligencia Artificial: Simbólico versus Subsimbólico. (En Línea). Consultado, 1 de Dic 2014. Formato PDF. Disponible en:http://www.redcientifica.com/doc/doc199903130005.html

Isasi, P y Galván,I. 2004. Redes neuronales artificiales: Un enfoque práctico. 1 ed. España.  Pearson Education.

Izurieta, F y Saavedra, C. 2000. Redes Neuronales artificiales. (En línea). ES. Consultado, 1 de Dic .2014. Formato PDF. Disponible en: www.uta.cl/charlas/volumen16/Indice/Ch-csaavedra.pdf

Salas, R. 2004. Redes Neuronales artificiales. (En línea). ES. Consultado, 12 de dic .2014. Formato PDF. Disponible en:http://www.inf.utfsm.cl.

Teahan, W. 2010. Artificial Intelligence – Agents and Environments. (En Línea).  EC. Consultado, 1 de Dic 2014. Formato PDF. Disponible en: http://www.bookboon.com.

Párraga, J; Anzules, M; Ramírez, C; Santander, L. 2013.        Implementación en C# de una Red Neuronal Artificial en el control locomotor de una hormiga robótica. Guayaquil, EC. Revista Tecnológica ESPOL – RTE. Vol. 26. Num. 2. p 16-27.

Universidad Carlos III de Madrid. S/f.  Introducción a las Redes de Neuronas. Departamento de Informática. (En línea). ES. Consultado, 1 de Dic .2014. Formato PDF. Disponible en:http://eva.evannai.inf.uc3m.es/et/docencia/rn-inf/documentacion/Tema1-ntroduccion.pdf.