Post on 28-Jul-2015
Alumno:
David Freire
Profesor:
Ing. David Castillo
Nivel:
Noveno Semestre
Fecha:
31 de octubre de 2013
Centro de Apoyo:
Puyo
Periodo:
2013 - 2014
Ingeniería
Sistemas
Sistema Expertos
Indicé General
......................................................................................... 14 ...................................................................................... 13
...................................... 7 .......................................................................................... 5
...................................................................... 10 .......................................................................... 6
....................................................................................................... 4
El sistema de neuronas biológico está compuesto por neuronas de entrada (censores) conectados a una compleja red de neuronas "calculadoras" (neuronas ocultas), las cuales, a su vez, están conectadas a las neuronas de salidas que controlan, por ejemplo, los músculos.
En el cerebro hay una gigantesca red de neuronas "calculadoras" u ocultas que realizan la computación necesaria. De esta manera similar, una red neuronal artificial debe ser compuesta por censores del tipo mecánico o eléctrico.
El cerebro humano es el sistema de cálculo más complejo que conoce el hombre. El ordenador y el hombre realizan bien diferentes clases de tareas; así la operación de reconocer el rostro de una persona resulta una tarea relativamente sencilla para el hombre y difícil para el ordenador, mientras que la contabilidad de una empresa es tarea costosa para un experto contable y una sencilla rutina para un ordenador básico.
La capacidad del cerebro humano de pensar, recordar y resolver problemas ha inspirado a muchos científicos intentar o procurar modelar en el ordenador el funcionamiento del cerebro humano.
Un grupo de investigadores ha perseguido la creación de un modelo en el ordenador que iguale o adopte las distintas funciones básicas del cerebro. El resultado ha sido una nueva tecnología llamada Computación Neuronal o también Redes Neuronales Artificiales.
Sistema Expertos
Ingeniería Sistemas Página 6 David Freire Noveno Semestre
1. Red Neuronal Artificial
Las diferentes configuraciones y algoritmos que se diseñan para las redes
neuronales artificiales están inspiradas en la organización del complejo sistema
neuronal del cerebro humano. No obstante conviene aclarar que esta inspiración no
supone que las ANN lleguen a emular al cerebro como algunos optimistas lo desean
ya que entre otras limitaciones el conocimiento sobre el modo de funcionamiento y
comportamiento del cerebro es bastante simple y reducido. De hecho los
diseñadores de redes artificiales van más lejos del conocimiento biológico actual y
prueban nuevas estructuras que presentan un comportamiento adecuado y útil.
El sistema nervioso humano constituido por células llamadas neuronas presenta una
estructura muy compleja. El número estimado de neuronas es de 1011 y las
interconexiones entre ellas son del orden de 1015.
Cada neurona comparte muchas características con otras células del cuerpo
humano pero tiene propiedades particulares y especiales para recibir, procesar y
transmitir señales electroquímicas a través de todas las interconexiones del sistema
de comunicación del cerebro.
En el siguiente gráfico se muestra la estructura de un par de neuronas biológicas.
Del cuerpo de la neurona se extienden las dendritas hacia otras neuronas donde
reciben las señales transmitidas por otras neuronas. El punto de contacto o de
conexión se llama sinapsis y estas entradas son dirigidas al núcleo donde se
suman. Algunas de las entradas tienden a excitar a la célula y otras sin embargo
tienden a inhibir la célula. Cuando la excitación acumulada supera un valor umbral,
las neuronas envían una señal a través del axón a otras neuronas.
Sistema Expertos
Ingeniería Sistemas Página 7 David Freire Noveno Semestre
La mayoría de los modelos de las ANN presenta este funcionamiento básico de la
neurona aun cuando el comportamiento real de una célula nerviosa tiene muchas
complejidades y excepciones.
1.1. Funcionamiento de una red neuronal artificial
La neurona artificial fue diseñada para "emular" las características del
funcionamiento básico de la neurona biológica. En esencia, se aplica un conjunto de
entradas a la neurona, cada una de las cuales representa una salida de otra
neurona. Cada entrada se multiplica por su "peso" o ponderación correspondiente
análogo al grado de conexión de la sinapsis. Todas las entradas ponderadas se
suman y se determina el nivel de excitación o activación de la neurona. Una
representación vectorial del funcionamiento básico de una neurona artificial se
indica según la siguiente expresión de la ecuación
Sistema Expertos
Ingeniería Sistemas Página 8 David Freire Noveno Semestre
Normalmente la señal de salida NET suele ser procesada por una función de
activación F para producir la señal de salida de la neurona OUT. La función F puede
ser una función lineal, o una función umbral o una función no lineal que simula con
mayor exactitud las características de transferencia no lineales de las neuronas
biológicas.
Las funciones F más utilizadas son la función Sigmoid y Tangente hiperbólica
expresadas en la Tabla.
Este tipo de modelo de neurona artificial ignora muchas de las características de las
neuronas biológicas. Entre ellas destaca la omisión de retardos y de sincronismo en
la generación de la salida. No obstante, a pesar de estas limitaciones las redes
construidas con este tipo de neurona artificial presentan cualidades y atributos con
cierta similitud a la de los sistemas biológicos.
Por tal motivo el funcionamiento de una red neuronal artificial están formadas por un
conjunto de neuronas artificiales interconectadas.
Sistema Expertos
Ingeniería Sistemas Página 9 David Freire Noveno Semestre
Las neuronas de la red se encuentran distribuidas en diferentes capas de neuronas,
de manera que las neuronas de una capa están conectadas con las neuronas de la
capa siguiente, a las que pueden enviar información.
La arquitectura más usada en la actualidad de una red neuronal consistiría en:
Una primera capa de entradas, que recibe información del exterior.
Una serie de capas ocultas (intermedias), encargadas de realizar el trabajo
de la red.
Una capa de salidas, que proporciona el resultado del trabajo de la red al
exterior.
El número de capas intermedias y el número de neuronas de cada capa dependerá
del tipo de aplicación al que se vaya a destinar la red neuronal.
Sistema Expertos
Ingeniería Sistemas Página 10 David Freire Noveno Semestre
1.2. Neuronas y conexiones
Cada neurona de la red es una unidad de procesamiento de información; es decir,
recibe información a través de las conexiones con las neuronas de la capa anterior,
procesa la información, y emite el resultado a través de sus conexiones con las
neuronas de la capa siguiente, siempre y cuando dicho resultado supere un valor
"umbral".
En una red neuronal ya entrenada, las conexiones entre neuronas tienen un
determinado peso ("peso sináptico").
Un ejemplo de una neurona sobre la que convergen conexiones de diferente peso
sináptico (Wi).
El procesamiento de la información llevado a cabo por cada neurona Y, consiste en
una función (F) que opera con los valores recibidos desde las neuronas de la capa
anterior (Xi, generalmente 0 o 1), y que tiene en cuenta el peso sináptico de la
conexión por la que se recibieron dichos valores (Wi). Así, una neurona dará más
importancia a la información que le llegue por una conexión de peso mayor que no a
aquella que le llegue por una conexión de menor peso sináptico.
Un modelo simple de la función F seria:
Sistema Expertos
Ingeniería Sistemas Página 11 David Freire Noveno Semestre
Si el resultado de la función F es mayor que el valor umbral (U), la neurona se activa
y emite una señal (1) hacia las neuronas de la capa siguiente. Pero, si por el
contrario, el resultado es menor que el valor umbral, la neurona permanece inactiva
(0) y no envía ninguna señal:
De esta forma, definido un conjunto inicial de pesos en las conexiones, al presentar
un "estímulo" (conjunto de ceros y unos que representa un dato, perfil u objeto) a la
capa de entradas, cada neurona en cada capa realiza la operación descrita
anteriormente, activándose o no, de manera que al final del proceso las neuronas de
la capa de salidas generan un resultado (otro conjunto de ceros y unos), que puede
coincidir o no con el que se desea asociar el estímulo.
En el entrenamiento de una red neuronal tanto el peso sináptico de las conexiones
como el valor umbral para cada neurona se modifican (según un algoritmo de
aprendizaje), con el fin de que los resultados generados por la red coincidan con (o
se aproximen a) los resultados esperados.
Y para simplificar el sistema de entrenamiento, el valor umbral (U) pasa a
expresarse como un peso sináptico más (-W0), pero asociado a una neurona
siempre activa (X0). Esta neurona siempre activa, se denomina "bias", y se sitúa en
la capa anterior a la neurona Y, tal como se muestra en la figura.
Sistema Expertos
Ingeniería Sistemas Página 12 David Freire Noveno Semestre
Así, la condición de activación puede reescribirse como:
De esta manera el algoritmo de aprendizaje puede ajustar el umbral como si
ajustara un peso sináptico más.
Sistema Expertos
Ingeniería Sistemas Página 13 David Freire Noveno Semestre
Como conclusión podemos indicar que es posible Conseguir, diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno de los principales objetivos de los científicos a lo largo de la historia.
De los intentos realizados en este sentido se han llegado a definir las líneas fundamentales para la obtención de máquinas inteligentes: En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función típica de los seres humanos.
Sistema Expertos
Ingeniería Sistemas Página 14 David Freire Noveno Semestre
http://perso.wanadoo.es/alimanya/funcion.htm
http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenidos/pdf/libro-del-
curso.pdf
http://www.slideshare.net/alf_marycela/redes-neuronales-547574
http://www.slideshare.net/HB09/redes-neuronales-1514651