5.2 REDES NEURONALES

5.2 REDES NEURONALES

5.2.1 Conceptos Basicos:

Son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Las redes neuronales no son más que un model artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Es un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano la neurona.

5.2.2 Clacificacion

  

El criterio mas habitual para clasificar las redes neuronales es el tipo de aprendizaje que se utilice.

  

Hay cuatro clases de aprendizaje distintos:

· Aprendizaje supervisado: En este tipo de aprendizaje se le proporciona a la RNA una serie de ejemplos consistentes en unos patrones de entrada, junto con la salida que debería dar la red. El proceso de entrenamiento consiste en el ajuste de los pesos para que la salida de la red sea lo más parecida posible a la salida desada. Es por ello que en cada iteración se use alguna función que nos de cuenta del error o el grado de acierto que esta cometiendo la red.

  

· Aprendizaje no supervisado o autoorganizado: En este tipo de aprendizaje se presenta a la red una serie de ejemplos pero no se presenta la respuesta deseada.

· Aprendizaje Híbrido: Es una mezcla de los anteriores. Unas capas de la red tienen un aprendizaje supervisado y otras capas de la red tienen un aprendizaje de tipo no supervisado.

· Aprendizaje reforzado : Es un aprendizaje con caracteristicas del supervisado y con caracteristicas del autoorganizado. No se proporciona una salida deseada, pero si que se le indica a la red en cierta medida el error que comete, aunque es un error global.

5.2.3 Desarrollos Actuales y Aplicaciones

Las redes neuronales aplicadas a la bibliometria reprecentan un campo de investigacion muy prometedor.

Aplicaciones:

  

· Biología:

• Aprender más acerca del cerebro y otros sistemas.

• Obtención de modelos de la retina.

• Empresa

• Reconocimiento de caracteres escritos.

· Finanzas

• Previsión de la evolución de los precios.
• Valoración del riesgo de los créditos
• Identificación de falsificaciones.
• Interpretación de firmas.
• Manufacturación
• Robots automatizados y sistemas de control


· Medicina


• Analizadores del habla para la ayuda de audición de sordos profundos.
• Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos (encefalograma, etc.).
• Monitorización en cirugía.
• Predicción de reacciones adversas a los medicamentos.
• Lectoras de Rayos X.