PDF de programación - REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES

REDES NEURONALES ARTIFICIALES Y 
SUS APLICACIONES 

 

 

 

 

Xabier Basogain Olabe 
Centro:       Escuela Superior de Ingeniería de Bilbao, EHU      
Despacho:  P3BN11   
Teléfono:    34 946014201   
E‐mail:       [email protected] 

 
 

 

 





TEMA 1.- INTRODUCCIÓN A LA COMPUTACIÓN NEURONAL
1.1.- INTRODUCCIÓN
1.2.- CARACTERÍSTICAS DE LAS REDES NEURONALES ARTIFICIALES
1.3.- ESTRUCTURA BÁSICA DE UNA RED NEURONAL
1.4.- COMPUTACIÓN TRADICIONAL Y COMPUTACIÓN NEURONAL
1.5.- HISTORIA DE LA COMPUTACIÓN NEURONAL
1.6.- APLICACIONES DE LAS REDES NEURONALES ARTIFICIALES
1.7.- IMPLEMENTACIÓN Y TECNOLOGÍAS EMERGENTES

TEMA 2.- FUNDAMENTOS DE LAS REDES NEURONALES ARTIFICIALES
2.1.- EL PROTOTIPO BIOLÓGICO
2.2.- LA NEURONA ARTIFICIAL
2.3.- REDES NEURONALES ARTIFICIALES DE UNA CAPA Y MULTICAPA
2.4.- ENTRENAMIENTO DE LAS REDES NEURONALES ARTIFICIALES

TEMA 3.- SELECCIÓN DE LAS REDES NEURONALES ARTIFICIALES

TEMA 4.- LAS PRIMERAS REDES NEURONALES ARTIFICIALES
4.1.- PERCEPTRON
4.2.- ADALINE – MADALINE

TEMA 5.- RED BACKPROPAGATION
5.1.- INTRODUCCIÓN
5.2.- ARQUITECTURA DE LA RED BACKPROPAGATION
5.3.- ALGORITMO DE ENTRENAMIENTO
5.4.- APLICACIONES DE LA RED BACKPROGATION
5.5.- VENTAJAS E INCONVENIENTES

TEMA 6.- RED SELF ORGANIZING MAP Y RED COUNTERPROPAGATION
6.1.- INTRODUCCIÓN RED SELF ORGANIZING MAP
6.2.- ARQUITECTURA BÁSICA Y MODO DE OPERACIÓN
6.3.- EJEMPLOS RED S.O.M.
6.4.- INTRODUCCIÓN RED COUNTERPROPAGATION

6.5.- ARQUITECTURA Y FUNCIONAMIENTO
6.6.- EJEMPLOS RED COUNTERPROPAGATION

TEMA 7.- RED HOPFIELD Y RED BIDIRECTIONAL ASSOCIATIVE MEMORY
7.1.- RED HOPFIELD
7.2.- APLICACIONES DE LA RED HOPFIELD
7.3.- VENTAJAS Y LIMITACIONES
7.4.- INTRODUCCIÓN RED BIDIRECTIONAL ASSOCIATIVE MEMORY
7.5.- ARQUITECTURA RED B.A.M.

TEMA 8.- RED ADAPTIVE RESONANCE THEORY
8.1.- INTRODUCCIÓN RED ADAPTIVE RESONANCE THEORY
8.2.- ARQUITECTURA RED A.R.T.
8.3.- MODO DE OPERACIÓN
8.4.- ENTRENAMIENTO DE LA RED A.R.T.

TEMA 9.- APLICACIONES DE LAS REDES NEURONALES ARTIFICIALES
9.1.- INTRODUCCIÓN
9.2.- DISEÑO DE UNA RED PARA UNA APLICACIÓN
9.3.- EJEMPLOS DE APLICACIONES



Tabla de Contenidos



1
1
2
2
4
6
9
11

13
13
14
15
17

19

22
22
25

28
28
29
30
33
34

35
35
36
37
38
39
41

43
43
47
49
50
50

53
53
54
56
57

58
58
59
59







TEMA 10.- LÓGICA DIFUSA Y REDES NEURONALES ARTIFICIALES
10.1.- INTRODUCCIÓN
10.2.- ESTRUCTURA GENERAL DE UN SISTEMA BASADO EN LÓGICA BORROSA
10.3.- SISTEMAS NEURO- DIFUSOS

BIBLIOGRAFÍA
Libros complementarios del curso
Libros de interés y consultados para la elaboración del curso



65
65
67
71

73
73
74



Tema 1.- Introducción a la Computación Neuronal



INTRODUCCIÓN A LA
COMPUTACIÓN NEURONAL



1.1. Introducción
1.2. Características de las Redes Neuronales Artificiales
1.3. Estructura Básica de una Red Neuronal
1.4. Computación Tradicional y Computación Neuronal
1.5. Historia de la Computación Neuronal
1.6. Aplicaciones de las Redes Neuronales Artificiales
1.7. Implementación y Tecnologías Emergentes

1



TEMA 1.- INTRODUCCIÓN A LA COMPUTACIÓN
NEURONAL


1.1.- INTRODUCCIÓN

El cerebro humano es el sistema de cálculo más complejo que conoce el hombre. El
ordenador y el hombre realizan bien diferentes clases de tareas; así la operación de
reconocer el rostro de una persona resulta una tarea relativamente sencilla para el
hombre y difícil para el ordenador, mientras que la contabilidad de una empresa es tarea
costosa para un experto contable y una sencilla rutina para un ordenador básico.

La capacidad del cerebro humano de pensar, recordar y resolver problemas ha inspirado
a muchos científicos intentar o procurar modelar en el ordenador el funcionamiento del
cerebro humano.

Los profesionales de diferentes campos como la ingeniería, filosofía, fisiología y
psicología han unido sus esfuerzos debido al potencial que ofrece esta tecnología y
están encontrando diferentes aplicaciones en sus respectivas profesiones.

Un grupo de investigadores ha perseguido la creación de un modelo en el ordenador que
iguale o adopte las distintas funciones básicas del cerebro. El resultado ha sido una
nueva tecnología llamada Computación Neuronal o también Redes Neuronales
Artificiales.

Curso: Redes Neuronales Artificiales y sus Aplicaciones © Xabier Basogain Olabe

1 Tema 1.- Introducción a la Computación Neuronal

El resurgimiento del interés en esta nueva forma de realizar los cálculos tras dos
décadas de olvido se debe al extraordinario avance y éxito tanto en el aspecto teórico
como de aplicación que se está obteniendo estos últimos años.


1.2.- CARACTERÍSTICAS DE LAS REDES NEURONALES
ARTIFICIALES

Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) están inspiradas
en las redes neuronales biológicas del cerebro humano. Están constituidas por
elementos que se comportan de forma similar a la neurona biológica en sus funciones
más comunes. Estos elementos están organizados de una forma parecida a la que
presenta el cerebro humano.

Las ANN al margen de "parecerse" al cerebro presentan una serie de características
propias del cerebro. Por ejemplo las ANN aprenden de la experiencia, generalizan de
ejemplos previos a ejemplos nuevos y abstraen las características principales de una
serie de datos.

Aprender: adquirir el conocimiento de una cosa por medio del estudio, ejercicio
o experiencia. Las ANN pueden cambiar su comportamiento en función del entorno. Se
les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas
consistentes.

Generalizar: extender o ampliar una cosa. Las ANN generalizan
automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer,
dentro de un margen, respuestas correctas a entradas que presentan pequeñas
variaciones debido a los efectos de ruido o distorsión.

Abstraer: aislar mentalmente o considerar por separado las cualidades de un
objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de entradas que
aparentemente no presentan aspectos comunes o relativos.


1.3.- ESTRUCTURA BÁSICA DE UNA RED NEURONAL


Analogía con el cerebro.-

La neurona es la unidad fundamental del sistema nervioso y en particular del cerebro.
Cada neurona es una simple unidad procesadora que recibe y combina señales desde y
hacia otras neuronas. Si la combinación de entradas es suficientemente fuerte la salida
de la neurona se activa. La Figura (1.1) muestra las partes que constituyen una neurona.

Curso: Redes Neuronales Artificiales y sus Aplicaciones © Xabier Basogain Olabe

2 Tema 1.- Introducción a la Computación Neuronal



Figura (1.1) - Componentes de una Neurona.



El cerebro consiste en uno o varios billones de neuronas densamente interconectadas.
El axón (salida) de la neurona se ramifica y está conectada a las dendritas (entradas) de
otras neuronas a través de uniones llamadas sinapsis. La eficacia de la sinpasis es
modificable durante el proceso de aprendizaje de la red.

Redes Neuronales Artificiales.-

En las Redes Neuronales Artificiales, ANN, la unidad análoga a la neurona biológica es
el elemento procesador,PE (process element). Un elemento procesador tiene varias
entradas y las combina, normalmente con una suma básica. La suma de las entradas es
modificada por una función de transferencia y el valor de la salida de esta función de
transferencia se pasa directamente a la salida del elemento procesador.

La salida del PE se puede conectar a las entradas de otras neuronas artificiales (PE)
mediante conexiones ponderadas correspondientes a la eficacia de la sinapsis de las
conexiones neuronales.

La Figura (1.2) representa un elemento procesador de una red neuronal artificial
implementada en un ordenador.

Figura (1.2) - Diagrama de una Neurona Artificial (PE).



Curso: Redes Neuronales Artificiales y sus Aplicaciones © Xabier Basogain Olabe

3 Tema 1.- Introducción a la Computación Neuronal

Una red neuronal consiste en un conjunto de unidades elementales PE conectadas de
una forma concreta. El interés de las ANN no reside sólamente en el modelo del
elemento PE sino en las formas en que se conectan estos elementos procesadores.
Generalmente los elementos PE están organizados en grupos llamados niveles o capas.
Una red típica consiste en una secuencia de capas con conexiones entre capas
adyacentes consecutivas.

Existen dos capas con conexiones con el mundo exterior. Una capa de entrada, buffer de
entrada, donde se presentan los datos a la red, y una capa buffer de salida que mantiene
la respuesta de la red a una entrada. El resto de las capas reciben el nombre de capas
ocultas. La Figura (1.3) muestra el aspecto de una Red Neuronal Artificial.



Figura (1.3) - Arquitectura de una Red Neuronal Simple.



1.4.- COMPUTACIÓN TRADICIONAL Y COMPUTACIÓN
NEURONAL


Programación/Entrenamiento.-

Las técnicas tradicionales de programación utilizadas para la solución de un problema
requieren la creación de un algoritmo. Un algoritmo consiste en una se