U N I V E R S I D A D N A C I O N A L

D E M O Q U E G U A



0 9 / 0 8 / 2 0 1 3
Integrantes:
DIEGO JOSE QUISPE DEL CARPIO
YONY BRONDY MAMANI FUENTES
RUBEN DARIO ROJAS ZAPATA
BRENO ALBERT PINO HURTADO
DIEGO ARMANDO MAMANI CALLOMAMANI
Redes
Neuronales
INTRODUCCION
A partir de 1982 surgi un gran inters por un mtodo de representacin del conocimiento
que simula ciertos procesos biolgicos. Este mtodo recibi el nombre de redes neuronales.
Para entender su funcionamiento, es necesario tener nociones del funcionamiento del
cerebro humano.
Las Redes Neuronales Artificiales (RNAs) estn inspiradas en los sistemas nerviosos
biolgicos. Se intenta reproducir por lo menos el funcionamiento del cerebro humano en las
computadoras, sea esta en hardware o software, estas redes solucionan problemas para los
cuales no fue programado explcitamente.
El estudio de las redes neuronales es un campo extremadamente interdisciplinario, tanto en
el desarrollo como en las aplicaciones. Las redes neuronales pueden ser aplicadas en
diversas reas, desde actividades de investigacin hasta aplicaciones comerciales e
industriales.
NEURONA BIOLOGICA
La neurona es una clula altamente especializada. Como cualquier clula biolgica, est
delimitada por una fina membrana celular que adems de su funcin de separar el interior
del exterior de la clula, posee determinadas propiedades que son esenciales para el
funcionamiento elctrico de la clula nerviosa. La neurona recibe impulsos elctricos a
partir de sus dendritas, esos impulsos son procesados en la soma o cuerpo celular y
retransmitidos por el axn, hacia las dendritas de una o varias neuronas.
La neurona Fig. N 1, muestra el bloque fundamental de construccin del sistema nervioso.
Esta es una clula similar a otras del cuerpo con ciertas especializaciones.
Una neurona biolgica posee tres partes particularmente importantes para el estudio de las
neuronas artificiales: dendritas, soma y axn.







Fig. N 1
Las dendritas, tienen la funcin de recibir las informaciones (impulsos nerviosos) de
otras neuronas y conducirlos al cuerpo o soma para que sean procesados. Poseen una forma
similar a las races de los rboles.
El cuerpo o soma, posee una forma piramidal o cilndrica, ste es el ncleo de la
clula nerviosa. Las informaciones que provienen de las dendritas son procesadas,
generando nuevos impulsos que se retransmiten. El cuerpo celular es como un procesador
de informaciones, sumando el potencial elctrico que viene de las dendritas. Este es el
responsable de proveer las funciones necesarias de la neurona.
El axon de una neurona, generalmente es nico y se puede prolongar por distancias
comparables a las dimensiones del organismo. Tambin es responsable de llevar los
impulsos generados en el cuerpo de la neurona hasta la sinapsis. El axon puede ser visto
como una va de transporte, o una lnea de transmisin. Tiene una forma lisa, con pocas
ramificaciones.
Una sinapsis consiste en un terminal pre-sinptico, por donde llega un estmulo
proveniente de otra clula. En la regin inter-sinptica, el estmulo nervioso que llega a la
sinapsis se transfiere a la membrana dendrital a travs de sustancias conocidas como
neurotransmisores. El resultado de esta transferencia es una alteracin en el potencial
elctrico de la membrana post - sinptica. Dependiendo de la naturaleza de los
neurotransmisores y por la naturaleza de los receptores qumicos que los reciben en el otro
lado de la sinapsis, la seal ser excitatoria o inhibitoria.
LA NEURONA ARTIFICIAL
Las redes neuronales no utilizan conocimientos ni procedimientos explcitamente definidos
para analizar datos nuevos. En vez de ello, buscan patrones preexistentes o ejemplos
provenientes de datos basados estadsticamente. El conocimiento o la experiencia,
utilizando en sus tcnicas de concordancia de patrones no se conserva en una base de
conocimientos. Mas bien es, creado de manera automtica por la red en un proceso
conocido como aprendizaje, que ocurre cuando una red queda expuesta a datos nuevos.
Este conocimiento de resolucin de problemas se consigue en las muchas interconexiones
que conforman una red neuronal.
Las redes neuronales estn siendo entrenadas para ejecutar funciones complejas en varios
campos de aplicacin, como:
En el diagnstico mdico.
En la prediccin de fallas bancarias.
En el control del proceso de produccin de papel industrial.
En el control de procesos qumicos.
En la obtencin de un modelo organizacional.
En problemas de administracin de empresas.
El funcionamiento consiste en aplicar un conjunto de entradas, cada una representando la
salida de otra neurona, o una entrada del medio externo, realizar una suma ponderada de
estos valores y filtrar este valor con una funcin. En la Fig. N 2, se muestra una neurona
artificial.
Las entradas, que podemos llamar vector X, corresponden a las seales que llegan a la
sinapsis de una neurona biolgica. Cada seal se multiplica por un peso que tiene asociado,
w1, w2, . . ., wn. Los pesos los podemos llamar vector W, cada peso corresponde a la
intensidad o fuerza de la conexin de una sinapsis en una neurona biolgica. Estas
multiplicaciones se suman, esta adicin corresponde al cuerpo de una neurona biolgica.
Esta es una suma algebraica de las entradas ponderadas, entonces:




En la Fig. N 2, se observa que existen variables comprendidas desde x1 hasta xn, tambin
se tiene pesos desde w1 hasta wn, las variables se multiplican por los pesos
correspondientes y el resultado de la sumatoria de los productos ingresa a la neurona, el
cual es enviado al exterior mediante una funcin de activacin.






Fig. N 2: Neurona artificial
Funciones de activacin
La seal Net (salida) generalmente se procesa por medio de una funcin de activacin F, la
cual producir una seal que ser la salida (Out) de la neurona.
La funcin F tambin puede ser alguna otra funcin que simule mejor las caractersticas no
lineales de transferencia de una neurona biolgica.
Si F reduce el rango de Net de manera que Out nunca salga de algn lmite,
independientemente de lo grande que sea Net, entonces F es una funcin sigmoidal, una
funcin de este tipo es la funcin logstica

QUE ES UNA RED NEURONAL
Existen numerosas formas de definir a las redes neuronales; desde las definiciones cortas y
genricas hasta las que intentan explicar ms detalladamente qu son las redes neuronales. Por
ejemplo:
1. Una nueva forma de computacin, inspirada en modelos biolgicos.
2. Un modelo matemtico compuesto por un gran nmero de elementos procesales
organizados en niveles.
3. Un sistema de computacin compuesto por un gran nmero de elementos simples,
elementos de procesos muy interconectados, los cuales procesan informacin por medio
de su estado dinmico como respuesta a entradas externas.
4. Redes neuronales artificiales son redes interconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) y con organizacin jerrquica, las cuales
intentan interactuar con los objetos del mundo real del mismo modo que lo hace el
sistema nervioso biolgico.
Una red neuronal es un sistema compuesto de muchos elementos procesadores simples operando
en paralelo, cuya funcin es determinada por la estructura de la red, fuerza en las conexiones y el
procesamiento realizado por los elementos computacionales en los nodos.
VENTAJAS
aprendizaje adaptativo
autoorganizacin
tolerancia a fallos
operacin en tiempo real
fcil insercin dentro de la tecnologa existente

COMPONENTES DE UNA RED NEURONAL
A continuacin se puede ver un esquema de una red neuronal:
Ejemplo de una red neuronal totalmente conectada.
La misma est constituida por neuronas interconectadas y arregladas en tres capas (esto ltimo
puede variar). Los datos ingresan por medio de la capa de entrada, pasan a travs de la capa
oculta y salen por la capa de salida. Cabe mencionar que la capa oculta puede estar constituida
por varias capas.
Antes de comenzar el estudio sobre las redes neuronales, se debe aprender algo sobre las
neuronas y de cmo ellas son utilizadas por una red neuronal. En la siguiente figura se compara
una neurona biolgica con una neurona artificial. En la misma se pueden observar las similitudes
entre ambas (tienen entradas, utilizan pesos y generan salidas).




Comparacin entre una neurona biolgica (izquierda) y una artificial (derecha).
Mientras una neurona es muy pequea en s misma, cuando se combinan cientos, miles o millones
de ellas pueden resolver problemas muy complejos. Por ejemplo el cerebro humano se compone
de billones de tales neuronas.


DESARROLLO DE UNA RED NEURONAL

Las redes neuronales se irn creando a medida que pasen los aos, a travs del movimiento y de la
estimulacin de los sentidos que reciba de su entorno
Ciclo de vida de una red neuronal
Una aplicacin de redes neuronales artificiales, comprende varias fases o etapas, para el
desarrollo y validacin de la estructura se tienen las siguientes fases:
Definicin de la red neuronal.- Se determina el nmero de neuronas de las
capas de entrada, oculta y salida, as como tambin las diferentes funciones de
activacin que se utilizarn en las neuronas de la capa oculta y salida.
Entrenamiento de la red neuronal.- En esta etapa se define el tipo de
entrenamiento que se realizar, si es aprendizaje supervisado o no supervisado,
tambin se determinan los algoritmos de entrenamiento.
Utilizacin de la red neuronal.- La fase de utilizacin es propiamente la ejecucin
de la estructura de la red, se inicia cuando se presenta una entrada a la red y
termina generando una salida en funcin a las entradas proporcionadas.
Mantenimiento de la red neuronal.- Sobre el mantenimiento se puede decir que
la mayora de las redes se entrenan para solucionar problemas dinmicos, por lo
tanto es necesaria e indispensable una validacin continua para garantizar una
buena utilizacin. A medida que transcurra el tiempo podrn surgir nuevos
conjuntos de datos reales an desconocidos por la red, y de esta forma, ser
necesario un nuevo aprendizaje o, dependiendo del caso realizar una nueva
definicin.

En la Fig. N 8 se muestra las fases del desarrollo de una estructura de red neuronal, ciclo
de vida de la red neuronal.
Una red neuronal, consta de dos momentos de explicacin de su procesamiento; el
momento de aprendizaje y el momento de utilizacin o aplicacin de la estructura de la
red.






Fig. N 8: Ciclo de vida de una red neuronal
CONSTRUCCIN DE BLOQUES DE ALIMENTACIN ADELANTADA.































DISEO DE SISTEMAS BASADOS EN REDES NEURONALES
Una forma de emular la caracterstica propia del ser humano que son la capacidad de
memorizar, dar soluciones y de asociar hechos, son las REDES NEURONALES que en los
ltimos aos se han convertido en uno de los instrumentos de uso frecuente.
Los fabricantes de automviles emplean redes neuronales en los vehculos como parte de la
deteccin del carril y sistemas de advertencia de respaldo.
Tambin se han desarrollado redes artificiales para el software de reconocimiento facial
desplegadas en los aeropuertos y en las granjas de sistemas inteligentes de proteccin de
cultivos.
Redes neuronales artificiales
Optimizacin: La optimizacin se busca para saber sobre el neto total de la produccin
y cuanto de ingresos va a generar, o cuando la empresa empieza a ganar mas dinero.
Entre otros puntos.
Reconocimiento: Que pueda reconocer las imgenes y que identifique cada letra o cada
carcter.
Generalizacion: En este caso ayudara a saber sobre el cambio de clima, las posibles
lluvias, o en que da va haber un terremoto, etc.
Tambin se podra saber cuando sube la bolsa de valores, o cuando una empresa va a
quebrar.
IDENTIFICACIN Y CONTROL DE SISTEMAS NOLINEALES
La identificacin de sistemas es un proceso que se realiza para estimar un modelo matemtico a
partir de los datos experimentales del sistema.






















APLICACIONES
Reconocimiento de Caracteres: El reconocimiento de caracteres es cada vez ms
importante en nuestra sociedad. Los dispositivos manuales como la Palm Pilot son cada vez
ms populares. Las redes neuronales se pueden utilizar para reconocer caracteres
manuscritos.
Medicina: Una de las reas que ha ganado la atencin es el diagnstico
cardiopulmonar. Un paciente puede tener chequeos regulares en un rea particular,
aumentando la posibilidad de detectar una enfermedad o una disfuncin. Los datos pueden
incluir ritmo cardaco, la presin arterial, el ritmo respiratorio, etc. Los modelos pueden
incluir variaciones de edad, sexo y actividad fsica. Los datos de cada individuo se
comparan con los datos anteriores y/o a los datos de los varios modelos genricos. Las
desviaciones de la norma se comparan a las causas sabidas de las desviaciones para cada
dolencia. La red neuronal puede aprender estudiando las diversas condiciones y modelos,
combinndolos para formar un cuadro conceptual completo y despus diagnostica la
condicin de un paciente basada sobre los modelos.
Compresin de imagen: La redes neuronales pueden recibir y procesar extensas
cantidades de informacin inmediatamente, hacindolas tiles en la compresin de imagen.
Con la explosin del Internet y ms sitios usando ms imgenes en sus sitios, las redes son
una alternativa eficaz.