Bueno, visto que hablo y hablo sin parar sobre este tema, por si alguien le interesa os pongo un link
http://www.infor.uva.es/biometria/Documentos/informes_uva/EstadoArte/EstadoArte/node1.html
He hecho un pequeño resumen con las cosas que me han parecido interesantes:
Definición de Red Neuronal
Una red neuronal es un procesador masivamente paralelo distribuido que es propenso por naturaleza a almacenar conocimiento experimental y hacerlo disponible para su uso. Este mecanismo se parece al cerebro en dos aspectos:
- El conocimiento es adquirido por la red a través de un proceso que se denomina aprendizaje.
2.El conocimiento se <B>almacena[/b] mediante la modificación de la fuerza o peso sináptico de las distintas uniones entre neuronas.
...
conviene indicar que en el estado actual de la fisiología del sistema nervioso los conocimientos acerca del funcionamiento del cerebro todavía son muy limitados. Incluso atendiendo al nivel celular los modelos disponibles son muy simples y no justifican completamente su funcionamiento. En relación con las redes neuronales artificiales, ciertos tipos de redes hoy en día parecen poco adecuadas como candidatos a modelar el funcionamiento del sistema nervioso de un ser vivo, aunque compartan a grandes rasgos las propiedades que se han enumerado antes.
<B>Un modelo de Neurona</B>
Una neurona es un elemento de procesamiento de la información ... se puede observar un modelo de neurona con sus tres elementos fundamentales:
1.Un conjunto de sinapsis o <B>conexiones[/b], cada una de ellas caracterizada por su fuerza o peso. Así, una señal de entrada tras pasar la conexión, se habrá convertido en una señal , donde es el peso o fuerza de la conexión con la entrada j-ésima de la neurona k. De acuerdo con el signo del peso se tienen conexiones excitadoras cuando es positivo, y conexiones inhibidoras cuando es negativo.
Un sumador , que produce la suma ponderada de las entradas de acuerdo a los correspondientes pesos de las conexiones.
Una función de activación o transferencia, que tiene como misión limitar la amplitud de la salida generada por la neurona.
También es habitual la inclusión en el modelo de un umbral o polarización representado por , cuya misión es controlar el nivel a partir del cual la neurona produce su salida.
<B>Arquitectura de una Red Neuronal</B>
Normalmente los elementos de proceso se organizan como una secuencia de capas con un determinado patrón de interconexión entre los diferentes elementos de proceso que las forman, y con un patrón de conexión entre los elementos de proceso de las distintas capas. Uno de los rasgos que puede ayudar a definir una capa es el hecho de que todos los elementos de proceso que la forman usan la misma función de transferencia.
En muchas de las arquitecturas de redes neuronales se puede hacer la siguiente distinción entre las capas:
Capa de entrada. Es la capa que recibe los estímulos del entorno. No suele tener asociado un mecanismo de aprendizaje, es decir, sus pesos se mantienen constantes, y su misión simplemente es la de distribuir dicha entrada al resto de los elementos de proceso que constituyen la red.
Capa de salida. Es la capa sobre la que se forman las salidas de la red.
Capas ocultas. Son las demás capas que no son ni de entrada ni de salida.
...
una de las propiedades fundamentales de las redes neuronales es la capacidad de adaptarse al entorno, aprendiendo a proporcionar la respuesta adecuada ante los estímulos que reciba de este entorno. Este aprendizaje se plasma en la modificación de los pesos de las conexiones entre los distintos elementos que forman la red.
En un principio, los pesos pueden ser considerados parámetros libres, aunque es posible, si se conoce información acerca de la naturaleza del problema que se va a tratar, fijar restricciones a los valores iniciales del los pesos, o a los valores que puedan tomar a lo largo del proceso de aprendizaje.
Un conjunto de reglas bien definidas que describen el método de adaptación o modificación de los pesos de acuerdo con el entorno en el que se encuentra sumergida la red recibe el nombre de regla de aprendizaje, y su transcripción en forma de procedimiento se denomina algoritmo de aprendizaje.
Existe una relación muy fuerte entre la arquitectura de una red neuronal artficial y el o los algoritmos de aprendizaje que puede usar, de tal modo que diferentes arquitecturas de redes neuronales requieren diferentes algoritmos de aprendizaje.
<B>Paradigmas de Aprendizaje</B>
Se denomina paradigma de aprendizaje al modelo del entorno en el que la red neuronal trabaja.
...
el paradigma de aprendizaje puede ser:
- Supervisado. Se presentan los conocimientos en forma de pares de [entrada, salida deseada].
...
No supervisado. Durante este proceso de aprendizaje a la red no se la presenta la salida deseada.
Por refuerzo (entre los dos anteriores). El instructor o maestro exterior sólo indica cuando la salida es correcta o no, pero no indica en cuanto se diferencia de la salida buscada. Si se compara este paradigma con el supervisado, se observa que si bien el supervisado proporciona una información relativa a la dirección en la que se deben realizar los cambios en el sistema (ajuste de los pesos), en el caso de un aprendizaje por refuerzo no se tiene información acerca de la "dirección'' del cambio, ...
Aprendizaje híbrido. Se trata de una combinación del aprendizaje supervisado y del no supervisado. Parte de los pesos se ajustan por medio de un esquema de aprendizaje supervisado, y el resto se obtienen por medio de un aprendizaje no supervisado.
<B>Otra clasificación de Redes Neuronales</B>
Operación síncrona. Se dice que una red neuronal opera de forma síncrona cuando todos los elementos de proceso del sistema generan la salida a la vez.
Operación asíncrona. Se dice que una red opera de forma asíncrona cuando los elementos de proceso que la constituyen generan la salida aleatoriamente e independientemente unos de otros...
<B>La computación neuronal frente a otros métodos de computación</B>
Si se pretende simular el funcionamiento de una red neuronal, las máquinas de arquitectura Von Neumann que ofrecen procesamiento serie no parecen las más indicadas. Además, si el objetivo final es conseguir una réplica lo más parecida al funcionamiento del cerebro de los seres vivos, se debe alcanzar un procesamiento masivamente paralelo, en el que se involucren no sólo unos cuantos elementos de proceso (microprocesadores), sino varios miles o cientos de miles de ellos.
...
Las redes neuronales artificiales ofrecen un medio para tratar con el problema del procesamiento no simbólico de la información, en contraste con los métodos de computación tradicionales, que presentan graves dificultades para realizarlo. Recíprocamente, los computadores tradicionales presentan una manera muy eficiente de tratar la información de manera simbólica, mientras que las redes neuronales en sus paradigmas más sencillos no incluyen este aspecto.
...
Si en el ámbito de la estadística se tiene como meta la formalización del proceso bajo estudio con el fin de alcanzar unos resultados (ya sea la clasificación de unas entradas, la predicción de un elemento nuevo en una serie de datos, la extracción de algún componente esencial de un conjunto de medidas, ...), en el ámbito de las redes neuronales los objetivos son los mismos, pero en la mayoría de las ocasiones se considera el modelo de caja negra, del que no se tiene una idea detallada del funcionamiento interno, y sólo se consideran el conjunto de entradas y salidas.
<B>Copyright © 2002 Proyecto TIC2000-1669-C04-03</B>
Bueno, he echado un vistazo a lo siguiente, y ya me ha parecido profundizar demasiado para el contexto de este post (quizas ya lo haya hecho).
Con esta lectura pretendo aclarar los conceptos que rodean a las redes neuronales, y como se está realizando el intento de emular la inteligencia a partir de esta tecnología...
Espero que os resulte interesante.
