RED ADALINE

INTRODUCCIÓN

Desarrollado en 1960 por Widrow y Hoff, el nombre significa ADAptive LINear Element, y fué desarrollada como un circuito electrónico adaptivo para uso en telefonía mucho antes de que se concibiera el término “red neural.” estructura prácticamente idéntica al perceptron, pero es un mecanismo físico capaz de realizar aprendizaje. Elemento combinador adaptativo lineal, que recibe todas las entradas, las suma ponderadamente, y produce una salida.

El aprendizaje busca encontrar el mejor vector de pesos posibles en términos del criterio de error cuadrático medio.

MARCO TEÓRICO

El Adaline es un tipo de red neuronal artificial que utiliza un aprendizaje off-line con supervisión denominado LMS o regla del minimo error cuadrático medio, también denominado regla delta.

Tiene una gran diferencia con el perceptron, la manera de utilizar la salida en la regla de aprendizaje, el perceptron utiliza la salida de la función umbral (binaria) para el aprendizaje. Solo se tiene en cuenta si se ha equivocado o no.

En Adaline se utiliza directamente la salida de la red (real) teniendo en cuenta cuánto se ha equivocado.

Se utiliza la diferencia entre el valor real esperado d y la salida producida por la red y

Se puede aplicar a este tipo de problemas siempre que los patrones sean linealmente separables.

Posee un filtro de ruido en el campo de procesamiento de señales transmisoras de información.

También es capaz de predecir el valor de una señal en el instante t+1 si se conoce el valor de la misma en los p instantes anteriores. El error de la predicción será mayor o menor según que señal queramos predecir. Si la señal se corresponde a una serie temporal, el Adaline, pasando un tiempo, será capaz de dar predicciones exactas.

Se pueden combinar múltiples Adalines formando una red Madaline.

Una de las principales ventajas que presenta la Red Adaline frente al perceptrón es que esta su gráfica de error es un  hiperparaboloide la cual contiene un mínimo global o también puede tener una recta de infinitos valores.

De esta manera se evita los problemas que proporciona el perceptrón al momento del entrenamiento ya que su función de error tiene cuantiosos mínimos específicos.

CONCLUSIÓN

Podemos concluir señalando que la red Adaline es parecida al Perceptron y a la vez es muy diferente ya que este tipo de red artificial nos entrega un resultado mucho mas aproximado.

BILIOGRAFÍA

Medina, E; Cubides, H; Salazar, J y Sigüencia, J. 2010. Redes Adaline – Filtros Adaptativos. (En Línea). Consultado,  03 de Jun del 2015. Disponible en: http://es.scribd.com/doc/52002261/Adeline-1

Galván, I y Valls, J. 2010. Redes de Neuronas Artificiales. (En Línea). Consultado,  02 de Jun del 2015. Formato (PDF). Disponible en: http://ocw.uc3m.es/ingenieria-informatica/redes-de-neuronas-artificiales/transparencias/material-de-clase.-tema-2