UNIVERSIDAD NACIONAL SAN A A A C SCANTONIO ABAD DEL CUSCO
CARRERA PROFESIONAL DE INGENIERIA
I SEMANA ELECTRONICA
ELECTRONICA
REDES NEURONALES
I A id R á G álIng. Avid Román González
INTRODUCCIONINTRODUCCION
• Se trata de una nueva forma de computación que p qes capaz de manejar las jimprecisiones cuando se tratan de resolver problemas del pmundo real.
Ing. Avid Roman Gonzalez
• Con las redes neuronales se intentara expresarCon las redes neuronales se intentara expresar la solución de problemas complejos, no como una secuencia de pasos, si no como la evolución p ,de unos sistemas de computación inspirados en el funcionamiento del cerebro humano y d d d i “i li i ” ldotados por tanto de cierta “inteligencia”, los cuales no son si no la combinación de una gran cantidad de elementos simples de procesocantidad de elementos simples de proceso (neuronas) interconectados que, operando de forma masivamente paralela consiguen resolverforma masivamente paralela, consiguen resolver problemas relacionados con el reconocimiento de formas o patrones, codificación, clasificación, p , , ,control y optimización.
Ing. Avid Roman Gonzalez
Definición de una Red Neuronal:• Una nueva forma de computación, inspirada en
modelos biológicos.• Un modelo matemático compuesto por un gran
número de elementos procesales organizados en nivelesniveles.
• Un sistema de computación hecho por un gran numero de elementos simples de proceso muynumero de elementos simples de proceso muy interconectados.
• Redes Neuronales artificiales son redes edes eu o a es a t c a es so edesinterconectadas masivamente en paralelo de elementos simples y con organización jerárquica, las cuales intentan interactuar con los objetos dellas cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico.
Ing.. Avid Roman Gonzalez
g
Ventajas de las redes Neuronales:jSon capaces de aprender de la experiencia, de generalizar
de casos anteriores a nuevos casos, entre las ventajas que podemos mencionar se encuentran:que podemos mencionar se encuentran:
• Aprendizaje adaptativo.• Autoorganización.Autoorganización.• Tolerancia a fallos.• Operación en tiempo real.p p• Fácil inserción dentro de la tecnología existente.
Ing. Avid Roman Gonzalez
Aplicaciones de las Redes Neuronales:pLas Redes Neuronales son
una tecnología emergente que puede utilizarse en unque puede utilizarse en un gran numero y variedad de aplicaciones, tantoaplicaciones, tanto comerciales como militares.
l í• Biología.• Empresa.
d b• Medio Ambiente.• Finanzas.
f ó• Manufacturación.• Medicina.
iliIng. Avid Roman Gonzalez
• Militares.
Reconocimiento de Patrones:Reconocimiento de Patrones:
El t i i i t d tEl termino reconocimiento de patrones originalmente se refería a la detección de formas i l t l t itsimples, tales como caracteres escritos a mano,
mapas del tiempo y espectros del lenguaje. Sin b bj ti bi i h idembargo, un objetivo mas ambiciosos ha sido
durante todo el tiempo implementar la ió tifi i l d i i it l f ipercepción artificial, es decir, imitar las funciones
de los sistemas sensoriales biológicos en su f l tforma mas completa.
Ing. Avid Roman Gonzalez
Mas Aplicaciones:Mas Aplicaciones:
• Control de Robots.• Toma de decisiones.• Filtrado de señales• Filtrado de señales.• Segmentación,
ió f iócompresión y fusión de datos.
• Interfaces adaptativas para sistemas hombre/maquina.
Ing. Avid Roman Gonzalez
Implementación de las Redes Neuronales:pRealizar redes neuronales
consiste en la implementación d d dde estas por medio de uno o varios circuitos integrados. Existen algunos productosExisten algunos productos comerciales, como el N64 de Intel, que incluye 64 neuronas
10000 i i l MB4442y 10000sinapsis, o el MB4442 de Fujistsu con una sola neurona y capaz de procesarneurona y capaz de procesar 70000 conexiones por segundo, o el MD1220 de Mi D i l jMicro Device, o el conjunto NU3232 y N32 de Neural Semiconductors
Ing. Avid Roman Gonzalez
Semiconductors.
• La realización mas simple e inmediata consiste en simular la red sobre un ordenador convencional mediante un software especifico.
• Realización de redes neuronales a través de arquitecturas orientadas a la ejecución de q jprocesos con un alto grado de paralelismo.
• Una tercera aproximación radicalmenteUna tercera aproximación radicalmente distinta es la realización de redes neuronales mediante su implementación por uno o variosmediante su implementación por uno o varios circuitos integrados específicos.
Ing. Avid Roman Gonzalez
Modelo Biológico:gLa teoría y modelado de redes neuronales
artificiales esta inspirado en la estructura y f d l d dfuncionamiento de los sistemas nerviosos, donde la neurona es el elemento fundamental.
• 1011 Neuronas (procesadores)(procesadores)
• Poder desconocidodesconocido
• 1000 – 10000 conecciones por
Ing. Avid Roman Gonzalezneurona
Red Neuronal Artificial:bi
• Modelo simplificado de neurona biológica– estático
u1 w1función de acti ación
Entradas w0bias
– representación entrada-salida.• Múltiples entradas, salida única
– diferente influencia de entradas en l d d “ ” ( )
f(.)u2 y
w2activación
Sumador salida
s
salida mediante “pesos” (wi)– w: parámetros de la neurona
• Relación entrada-salida no-lineald f f( )
wnunSumador
pesos sinápticos
– diferentes opciones para f(.) • step, sat, sigm, tanh
• Capacidad de adaptacióni ió d “ ” l ú– variación de sus “pesos” con algún
objetivo• Existen otros modelos
• agregando dinámica• agregando dinámica, • modelos no deterministas• relacionados con estructuras de
redes especificas
Ing.. Avid Roman Gonzalez
redes especificas
=∑ wxNet jiij
( ) ( )( ),1 =+∑
NettaFta jjj
jiij
( ) ( )( )( )( )1+= tafy jjj
jjj
Ing.. Avid Roman Gonzalez
jjj
En cualquierEn cualquier sistema que se este modelandoeste modelando, es útil caracterizar t ti dtres tipos de unidades: entradas, salidas y ocultas.y ocultas.
Ing. Avid Roman Gonzalez
Topología de las Redes Neuronales:p gConsiste en la organización y
disposición de las neuronas en la red formando capas o agrupaciones de neuronas mas o menos alejadas de lamas o menos alejadas de la entrada y salida de la red.
Así tenemos:
• Monocapas:
• Multicapas:
Ing. Avid Roman Gonzalez
Mecanismo de Aprendizaje:Mecanismo de Aprendizaje:
Supervisado:• Supervisado:– Aprendizaje por corrección de errores.– Aprendizaje por refuerzo.– Aprendizaje estocásticoAprendizaje estocástico.
N S i d• No Supervisado:– Aprendizaje Hebbiano.p j– Aprendizaje Competitivo y Cooperativo.
Ing. Avid Roman Gonzalez
Tipo de Asociación Entre lasTipo de Asociación Entre las Informaciones de Entrada y Salida:
• Redes Heteroasociativas• Redes Heteroasociativas.
• Redes Autoasociativas• Redes Autoasociativas.
Ing. Avid Roman Gonzalez
Representación de la Información de ep ese tac ó de a o ac ó deEntrada y Salida:
• Redes cuyos datos de entrada y salida son analógicas.g
• Redes cuyas entradas y salidas son discretas o digitales.discretas o digitales.
• Redes que se podrían llamar hibridas, en las que las informaciones de entradalas que las informaciones de entrada pueden valores continuos, aunque las salidas de las red son discretassalidas de las red son discretas.
Ing. Avid Roman Gonzalez
GRACIASGRACIAS
¿PREGUNTAS?Ing A id Roman Gon aleIng. Avid Roman Gonzalez
[email protected] // iti / id lhttp://www.geocities.com/avid_roman_gonzalez