RNA001 C

Redes Neuronales Artificiales
Qu es una Red Neuronal Artificial?

Las redes neuronales artificiales (RNA) presentan
una alternativa computacional para la solucin de
algunos problemas.
Las redes neuronales son modelos del proceso

cognoscitivo del cerebro (Blum).
Un sistema de computacin hecho por un gran
nmero de elementos simples, elementos de proceso
muy
interconectados,
los
cuales
procesan
informacin por medio de su estado dinmico como
respuesta a entradas externas. (Hecht-Niesen).
2
Coleccin de procesadores paralelos conectados

entre s en la forma de Grafo dirigido (Freeman).
Una RNA es un sistema procesador de informacin

con caractersticas de desempeo similares a las
redes neuronales biolgicas.
Las RNA son elementos (usualmente adaptativos)
interconectados masivamente en paralelo y con
organizacin jerrquica, los cuales interactuan con
objetos del mundo real del mismo modo que lo hace
el sistema nervioso biolgico. (Kohonen).
3
Una RNA ha sido desarrollada como la generalizacin de

modelos matemticos del conocimiento humano o biologa
neuronal, basada en los siguientes acepciones:
El procesamiento de informacin ocurre en elementos

sencillos llamados neuronas.
Las neuronas se transmiten seales a travs de conexiones.
Cada liga de conexin esta asociada con un peso, el cual, en
tpicas redes neuronales, multiplica la seal transmitida.
En cada neurona se aplica una funcin de activacin
(usualmente no lineal) a las entradas (suma ponderada de
entradas por los pesos).
4
Las RNA son redes constituidas por muchas unidades

de proceso llamadas neuronas, las cuales se hallan
interconectadas para trasladar informacin entre
ellas.
Las RNA son modelos de las redes neuronales
biolgicas.
Las RNA (Artificial Neural Networks -ANNs-) son
una simulacin abstracta de los sistemas nerviosos
biolgicos, se forman por un conjunto de unidades
llamadas "neuronas" o "nodos" conectadas unas con
otras.
5
Por qu una RNA?

El cerebro humano es mucho ms lento que un
microprocesador y, sin embargo, es capaz de realizar ciertas
tareas de forma ms eficiente que cualquier ordenador.
Visin,
Toma de decisiones,
Reconocimiento,
Control,....
La potencia de cculo tiene relacin con las

siguientes caractersticas:
Complejidad,
No linealidad,
Paralelismo,
Aprendizaje,...
6
Una RNA es una estructura de computacin masiva

y paralela compuesta por unidades no lineales
individuales (neuronas) en la cual el conocimiento:
Se establece mediante un proceso de aprendizaje.
Se almacena en las conexiones (pesos o sinapsis)
entre neuronas.
Proceso clsico/RNA
Proceso clsico
Datos
Validacin
Modelo
- Clasificacin
- Prediccin
- Reconocimiento,...
Construccin
Datos
Modelo
Proceso clsico/RNA
Cmputo convencional
Mquina
von Neuman
C PU
M em oria
]Tomar una instruccin de memoria.
]Tomar datos de memoria requeridos por la

instruccin.
]Ejecutar la instruccin (procesar los datos).
]Almacenar resultados.
]Regresar al paso#1.
Qu limitaciones tiene este esquema?, qu

problemas no podran ser resueltos as?
9
Proceso clsico/RNA
Proceso con RNA
Test
Datos
- Clasificacin
- Prediccin
Entrenamiento
Datos
- Reconocimiento,...
Aprendizaje
RNA
La red neuronal extrae directamente de los datos

la informacion para resolver el problema!
10
Proceso clsico/RNA
Procesamiento
de informacin
neurona
x1
w1
x2
w2
a F(a)
a = x1*w1 + x2*w2;
y = F(a);
11
Definiciones
Una RNA es un conjunto de nodos ordenados adaptables los

cuales, a travs de un proceso de aprendizaje mediante
ejemplos prototipo, almacenan conocimiento de tipo
experiencial y lo hacen disponible para su uso. [An
Introduction to Neural Computing. Igor Aleksander and
Helen Morton]
Una RNA es un ensamble de elementos procesadores simples
y adaptables, cuya funcionalidad est burdamente basada en
una neurona animal. La habilidad de procesamiento de la red
est almacenada en la intensidad de las conexiones entre
elementos, obtenidos por un proceso de adaptacin a un
conjunto de patrones de entrenamiento
12
Las conexiones de las RNA tienen una gran

semejanza con las dendrtas y los axones en los
sistemas nerviosos biolgicos.
El campo de las RNA, como otros, ha tenido un
rpido desarrollo al hacer nfasis a la inspiracin
biolgica para la solucin a algunos problemas.
El paralelismo masivo y la interconectividad que se
observa en los sistemas biolgicos complejos son las
causas de la capacidad del cerebro para llevar a cabo
complejos reconocimientos de tramas en poco tiempo.
13
La arquitectura del cerebro humano se presenta

significativamente distinta a la forma de un
computador convencional.
Se estima que el cerebro humano (sistema nervioso
humano) contiene ms de cien mil millones (1011) de
neuronas y 1014 sinpsis (una neurona se comunica
hasta con 1000 neuronas).
Aunque el tiempo de conmutacin de la neurona
(unos pocos milisegundos) es casi un milln de veces
menor que en las actuales elementos de los
computadores ellas tienen conectividad miles de veces
superior que los actuales supercomputadores.
14
El objetivo principal de de las redes neuronales de

tipo biolgico es desarrollar un elemento sinttico
para verificar las hiptesis que conciernen a los
sistemas biolgicos.
Las neuronas y las conexiones entre ellas
(sinpsis) constituyen la clave para el proceso de
la informacin.
15
Bases biolgicas
El cerebro es un sistema super complejo.
El tamao de una neurona biolgica es de

aproximadamente
un
tamao
de
5-100
micrmetros.
El cerebro es el dispositivo de computo ms
poderoso que existe.
Le ha tomado a la naturaleza 4.000 millones de aos
desarrollarlo.
16
Neurona biolgica
17
NEURONA
18
Neurona biolgica
En la neurona biolgica se pueden tomar
sus tres partes ms principales:
Q 1. El cuerpo de la neurona.
Q 2. Ramas de extensin llamadas dendrtas.
Q 3. Un axn que lleva la salida de la
neurona a las dendritas de otras neuronas.
19
Neurona biolgica
Q
La forma que dos neuronas interactuan no est

totalmente conocida, dependiendo adems de
cada neurona.
En general, una neurona enva su salida a otras
por su axn.
El axn lleva la informacin por medio de
diferencias de potencial, u ondas de corriente,
que depende del potencial de la neurona.
20
Neurona biolgica
Q
La neurona recoge las seales por su sinapsis

sumando todas las influencias excitadoras e
inhibidoras.
Si las influencias excitadoras positivas dominan,
entonces la neurona da una seal positiva y
manda este mensaje a otras neuronas por sus
sinapsis de salida.
En este sentido la neurona puede ser modelada
como una simple funcin f(.).
21
Neurona biolgica
Las DENDRITAS recogen seales procedentes de
otras neuronas, por estmulos del mundo externo o
interno y las transmiten al cuerpo de la neurona.
El CUERPO de la neurona recibe las seales de todas
las dendritas y segn la tipologa de la neurona en si,
determina una respuesta.
El AXON de la neurona transmite la respuesta
generada por el cuerpo de la neurona a otras
neuronas o a algn miembro receptor (msculo,
nervio,...).
22
Neurona biolgica
Una neurona es una clula viva y, como tal, contiene
los mismos elementos que forman parte de todas las
clulas biolgicas.
El axn posee ramas en su extremo para tener
conexin con mayor nmero de neuronas.
El axn se ramifica en filamentos y subfilamentos,
mediante los cuales establece conexin con otras
neuronas.
La caracterstica principal que diferencian a las
neuronas del resto de las clulas vivas, es su
capacidad de comunicarse.
23
Una red neuronal
24
Sinapsis
25
26
Neurona biolgica
Q
Q
Q
La SINAPSIS de la neurona es el punto de unin

entre dos neuronas (dendrita - axn).
Cada neurona establece sinapsis desde una docena
hasta con cientos de miles de otras neuronas.
No es un elemento especial de la neurona.
El impulso (seal) que proviene del axn se
transmite a otras neuronas, determinando el
comportamiento general de la red neuronal.
27
Modelo Biolgico
El proceso de comunicacin entre las neuronas se

realizan en trminos generales de la siguiente
manera: las dendritas y el cuerpo celular reciben
seales de entrada; el cuerpo celular las combina
e integra y emite seales de salida.
El axn transporta esas seales a los terminales
axnicos, que se encargan de distribuir
informacin a un nuevo conjunto de neuronas.
28
Aprendizaje en el cerebro
Q
Las seales se propagan de neurona a neurona

mediante
una
complicada
reaccin
electroqumica.
Las sinapsis liberan sustancias qumicas Tx y
entran a las dendrita con lo cual se activa el
potencial del cuerpo de la clula.
Cuando el cuerpo rebasa cierto limite, se envia al
axn un impulso elctrico (potencial de accin), el
cual se difunde a travs de las ramas del axn, y
finalmente llega a la sinapsis y libera Tx en los
cuerpos de otras clulas.
29
Quizs el descubrimiento mas grande es que las

conexiones sinapticas muestran plasticidad:
alteraciones a largo plazo de la intensidad de las
conexiones como respuesta al patrn de
estimulacin.
Las neuronas establecen tambin conexiones con
otras neuronas, y en ocasiones, con grupos
completos de neuronas capaces de migrar de un
sitio a otro.
30
Modelo Biolgico
Por lo general, una neurona recibe informacin de

miles de otras neuronas y, a su vez, enva
informacin a miles de neuronas ms.
Las seales que utilizan las neuronas son de
naturaleza elctrica y qumica.
31
Naturaleza bioelctrica
La seal generada por la neurona y transportada a lo largo
del axn es un impulso elctrico, mientras que la seal que se
transmite entre los terminales axnicos de una neurona y las
dendritas de la neuronas siguientes es de origen qumico;
concretamente, se realiza mediante molculas de sustancias
transmisoras (neurotransmisores) que fluyen a travs de unos
contactos especiales, llamados sinapsis, que tienen la funcin
de receptor y estn localizados entre los terminales axnicos y
las dendritas de la neurona siguiente (espacio sinptico, entre
50 y 200 Angstroms).
32
Seal elctrica
La membrana de la neurona separa el plasma

intracelular del fluido intesticial que se encuentra
fuera de la clula.
La membrana es permeable para ciertas especies
inicas, y acta de tal forma que se mantenga una
diferencia de potencial entre el fluido intracelular
y el fluido extracelular.
La diferencia ms notable se da en relacin con la
concentracin de los iones sodio y potasio.
33
El medio externo es unas 10 veces ms rico en

sodio que el interno, mientras que el medio
interno es unas 10 veces ms rico en potasio que
el externo.
Esta diferencia de concentracin en iones sodio y
potasio a cada lado de al membrana produce una
diferencia de potencial de aproximadamente 70
milivoltios, negativa en el interior de la clula. Es
lo que se llama potencial de reposo de la clula
nerviosa.
34
La llegada de seales procedentes de otras

neuronas a travs de las dendritas (recepcin de
neurotransmisores) acta acumulativamente,
bajando ligeramente el valor del potencial de
reposo.
El potencial modifica la permeabilidad de la
membrana, de manera que cuando llega a cierto
valor crtico comienza una entrada masiva de
iones sodio que invierten la polaridad de la
membrana.
35
La inversin del voltaje de la cara interior de la

membrana cierra el paso a los iones sodio y abre
el paso a los iones potasio hasta que se restablece
el equilibrio en reposo.
La inversin del voltaje, conocida como potencial
de accin, se propaga a lo largo del axn y, a su
vez, provoca la emisin de los neurotransmisores
en los terminales axnicos.
36
Despus de un pequeo periodo refractario,

puede seguir un segundo impulso.
El resultado de todo esto es la emisin por parte
de la neurona de trenes de impulsos cuya
frecuencia vara en funcin (entre otros factores)
de la cantidad de neurotransmisores recibidos.
37
Seal qumica
La accin qumica que se produce en los receptores da

lugar a cambios de permeabilidad de la membrana
postsinptica para ciertas especias inicas.
Existen dos tipos de efectos locales en la sinapsis:
a) el efecto excitador, cuyos neurotransmisores
provocan disminuciones de potencial en la membrana
de la clula postsinptica, facilitando la generacin de
impulsos a mayor velocidad
b) el efecto inhibidor, cuyos neurotransmisores tienden
a estabilizar el potencial de la membrana, dificultando
la emisin de impulsos.
38
Estos dos efectos actan solo a lo largo de una

pequea distancia hacia el interior de la clula; se
suman en el montculo del axn; la suma de los
efectos excitadores e inhibidores determina si la
clula ser o no estimulada; es decir, si emitir o no
un tren de impulsos y a qu velocidad.
39
Neurona artificial
Bajo estas consideraciones se llega al modelo de una

neurona artificial.
40
Neurona artificial
Xj
Conexiones
de entrada
Yi=g(ini)
Wj,i
ini
Funcin de
entrada
Funcin de
activacin
Yi
Conexiones
de salida
Salida
41
Neurona artificial
Unidades nodos
Conexiones
Pesos
Nivel de activacin
Funcin de activacin
Salida
Neurona artificial
0.4
Valores aj
0.3
0.8234
0.15
Atributo
Valor Valnor
Edad
No. Rec.
Repar
Clima
Cochera
Terreno
Construc.
Sector 3
20
0.4
3
0.3
2
0.15
D
0.25
2
0.33
400 0.4
350 0.35
0.65
0.79612
0.25
-0.24
0.71315
0.33
0.937
0.4
0.5824
$2,255,000
0.6136
1.23
0.35
0.65
-1.325
Pesos Wij
43
Neurona artificial
Los modelos de RNA slo son un parecido

superficial con sus contrapartes biolgicas.
Lo importante de las RNA es que muestran unos
comportamientos tiles al aprender, reconocer y
aplicar relaciones entre objetos y tramas de objetos
propios del mundo real.
44
Neurona artificial
El Primer modelo de red neuronal fue propuesto en

1943 por McCulloch y Pitts en trminos de un
modelo computacional de "actividad nerviosa".
El modelo de McCulloch-Pitts es un modelo binario, y
cada neurona tiene un umbral prefijado.
El modelo de McCulloch-Pitts sirvi de ejemplo para
los modelos posteriores de Jhon Von Neumann,
Marvin Minsky, Frank Rosenblatt, Hopfield,
Kohonen, ...
45
Conceptos bsicos
Una primera clasificacin de los modelos de

RNA podra ser, atendiendo a su similitud con la
realidad biolgica.
Los modelos de tipo biolgico comprenden las
redes que tratan de simular los sistemas
neuronales biolgicos as como las funciones
auditivas, de la visin, del habla, ...
46
Conceptos bsicos
El modelo dirigido a aplicacin son modelos que

no guardan necesariamente similitud con los
sistemas biolgicos.
La arquitectura de los modelos dirigidos a la
aplicacin estn fuertemente ligadas a las
necesidades especfica de la aplicacin para la
que se diseadas.
47
48
Cmputo convensional
vs. Redes neuronales?
Q
Los computadores actuales son incapaces para

interpretar el mundo.
Son capaces de realizar 100 millones de

operaciones de punto flotante por segundo pero
no pueden entender el significado de formas
visuales.
Puede repetir en forma indefinida un conjunto

de instrucciones generadas por un programador
humano pero no pueden aprender a partir de la
experiencia.
49
Por qu utilizar una RNA?
Las RNA, con su marcada habilidad para

derivar de datos complicados o imprecisos, se
utilizan para extraer patrones y detectar tramas
que son muy difciles de apreciar por humanos u
otras tcnicas computacionales.
Una RNA entrenada puede usarse como un
"experto" para categorizar la informacin que
se ha dado para su anlisis. Este experto puede
usarse para proveer proyecciones de nuevas
situaciones.
50
Las redes neuronales son preferibles a otros mtodos

matemticos cuando se presentan las siguientes
caractersticas:
Es muy difcil encontrar reglas que definan la
variable a modelizar en relacin a las entradas
consideradas en el modelo.
Los datos son imprecisos o contienen perturbaciones
estadsticas (ruido).
El problema necesita para ser definido un gran nmero de
variables dependientes (presenta una alta dimensionalidad).
51
Q
Q
El modelo a resolver es no lineal.

Se dispone de un gran nmero de datos.
El entorno de trabajo es variable
52
Ventajas
Aprendizaje adaptativo. Capacidad de aprender a realizar
tareas basada en un entrenamiento o una experiencia inicial.
Autoorganizacin. Una red neuronal puede crear su propia

organizacin o representacin de la informacin que recibe
durante la etapa de aprendizaje.
Tolerancia a fallas va informacin redundante.
La destruccin parcial de una red conduce a una degradacin
de su estructura; sin embargo, algunas capacidades de la red
se pueden retener, incluso sufriendo daos mayores.
53
Operacin en tiempo real. El cmputo neuronal

puede realizarse en paralelo. Inicia el diseo y
fabricacin de mquinas especiales con estas
ventajas para obtener esta capacidad.
54
Algunas aplicaciones
Q
Espacio areo
Automotriz
Pilotos automticos de alto desempeo, simulaciones y

predicciones de trayectoria de vuelo, sistemas de control
de vuelo, deteccin de fallas en componentes de la nave.
Sistemas automticos de navegacin, comando por voz
Bancos
Lectores de documentos, evaluadores de asignacin de

crdito, identificador de firmas.
55
Q
Defensa
Electrnica
Prediccin de secuencias de cdigos, control de
procesos, anlisis de fallas de circuitos, visin de
mquina, sntesis de voz, modelado no lineal.
Robtica
Control de trayectorias, control de manipuladores,
sistemas de visin.
Voz
Reconocimiento de voz, compresin de voz,
sintetizadores de texto a voz.
56
Q
Telecomunicaciones
Compresin de datos e imgenes, servicios automticos de
informacin, traduccin de lenguaje hablado en tiempo real.
Transportation
Sistemas ruteadores, diagnstico de motores, tiempos y
movimientos.
Seguridad
Reconocimiento de rostros, identificacin y acceso de personas.
Financieros
Evaluacin de bienes races, consultor de prestamos, valuacin de
bonos corporativos, anlisis sel uso de la lnea de crdito,
prediccin de tipo de cambio.
57
Manufactura
Control de procesos de manufactura, anlisis y diseo
de productos, diagnstico de mquinas y procesos,
identificacin de partes en tiempo real, sistemas de
inspeccin de calidad, prediccin de fin de proceso,
anlisis de mantenimiento de mquinas, modelado de
sistemas dinmicos.
Medicina
Deteccin de cncer mamario o en la piel, anlisis de
EEG y ECG, diseo de prtesis, optimizacin de
tiempos de trasplante, reduccin de gastos en
hospitales.
Oficinas postales, Verificacin remota, etc.
58
Comunicaciones:
-Igualacin,
cancelacin,
conmutacin,
enrutamiento, demodulacin multiusuario,...
Tratamiento de Voz:
-Reconocimiento, autentificacin de locutores,
codificacin, cuantificacin vectorial,...
Tratamiento de Imagen:
-Reconocimiento de formas y patrones (huellas
dactilares, nmeros, caras,...)
59
Modelado/Prediccin:
-Prediccin no lineal de series temporales
(financieras, consumo elctrico,...)
Control:
-Control de procesos, robots, vehculos, ...
60
Conclusiones
Una red neuronal puede ser vista como:
Un Filtro No lineal
- Algoritmos Adaptativos (LMS, RLS, Newton), Modelos no lineales (Volterra,
Wiener), Clasificadores Bayesianos,...
Un sistema dinmico no lineal

- Estabilidad, Funciones de Liapunov, Atractores, Ecs diferenciales no lineales,
...
Un aproximador funcional
- Anlisis funcional, Teora de la aproximacin,....
Un modelo neurofisiolgico
- Percepcin, Visin, Reconocimiento,...
61
Conclusiones
Las RNA son estructuras paralelas y no lineales
capaces de resolver un gran nmero de problemas.
Ofrecen soluciones en problemas en los que
intervienen muchas variables y que son difciles de
formalizar.
Son capaces de aprender y generalizar
Existen un gran nmero de topologas y algoritmos
de entrenamiento
62
Conclusiones
Inconveniente: Funcionan como una caja negra,

resuelven un problem pero es difcil saber cmo
lo han hecho.
Son una herramienta valiosa, pero no resuelven
TODOS los problemas, ni siempre los resuelven
de la MEJOR manera.
63
Bibliografa
Q
Bishop C.M. (1996). Neural Networks for Patern

Recognition. Clarendon Press.
Demuth H., Beale M. (1998). Neural Network
Toolbox for use with MATLAB. Math Works
Inc.
Fausett L. (1994). Fundamentals of Neural
Networks. Prentice-Hall.
Freeman J.A., Skapura D.M. (1993). Redes
neuronales, algoritmos, aplicaciones y tcnicas de
programacin. Madrid, Daz de Santos.
64
Haykin S. (1998). Neural Networks: a

Comprehensive Foundation. Prentice-Hall.
Haykin S. (1999). Neural Networks. 2nd Edition,
Prentice Hall.
Kohonen T. (1997). Self-organization And
Associative Memory. 3 ed., Berlin, SpringerVerlag.
65
Kung S. Y. (1993). Digital Neural Networks.

Prentice Hall, Inc.
Mitchell T. (1997). Machine Learning. Mc GrawHill.
Murray A.F. (1995). Applications of Neural
Networks. Kluwer Academic Publishers.
Reed R.D. , Marks R.J. (1999). Neural Smithing.
Cambridge (EEUU), MIT Press.
Ripley B.D. (1996). Pattern Recognition & Neural
Networks. Cambridge University Press.
66
67

RNA001 C

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

RNA001 C

Enviado por

Direitos autorais:

Formatos disponíveis

Redes Neuronales Artificiales

Qu es una Red Neuronal Artificial?

Redes Neuronales Artificiales

Las redes neuronales son modelos del proceso

Coleccin de procesadores paralelos conectados

Redes Neuronales Artificiales

Una RNA es un sistema procesador de informacin

Una RNA ha sido desarrollada como la generalizacin de

Redes Neuronales Artificiales

El procesamiento de informacin ocurre en elementos

Redes Neuronales Artificiales

Las RNA son redes constituidas por muchas unidades

Por qu una RNA?

Redes Neuronales Artificiales

La potencia de cculo tiene relacin con las

Redes Neuronales Artificiales

Una RNA es una estructura de computacin masiva

Redes Neuronales Artificiales

]Tomar una instruccin de memoria.

Redes Neuronales Artificiales

]Tomar datos de memoria requeridos por la

Qu limitaciones tiene este esquema?, qu

Redes Neuronales Artificiales

La red neuronal extrae directamente de los datos

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Una RNA es un conjunto de nodos ordenados adaptables los

Redes Neuronales Artificiales

Las conexiones de las RNA tienen una gran

Redes Neuronales Artificiales

La arquitectura del cerebro humano se presenta

Redes Neuronales Artificiales

El objetivo principal de de las redes neuronales de

El cerebro es un sistema super complejo.

Redes Neuronales Artificiales

El tamao de una neurona biolgica es de

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Redes Neuronales Artificiales

La forma que dos neuronas interactuan no est

Redes Neuronales Artificiales

La neurona recoge las seales por su sinapsis

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Una red neuronal

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Redes Neuronales Artificiales

La SINAPSIS de la neurona es el punto de unin

Redes Neuronales Artificiales

El proceso de comunicacin entre las neuronas se

Redes Neuronales Artificiales

Las seales se propagan de neurona a neurona

Redes Neuronales Artificiales

Quizs el descubrimiento mas grande es que las

Redes Neuronales Artificiales

Por lo general, una neurona recibe informacin de

Redes Neuronales Artificiales

Redes Neuronales Artificiales

La membrana de la neurona separa el plasma

Redes Neuronales Artificiales