Please enable JavaScript.
Coggle requires JavaScript to display documents.
Redes Neuronales Artificiales - Coggle Diagram
Redes Neuronales Artificiales
¿Qué son?
Son un modelo computacional que simula o intentan reproducir el comportamiento del cerebro a partir del desarrollo de una arquitectura con rasgos cerebrales como lo es la inteligencia artificial.
Funcionamiento
Peso sináptico
Unión de sumadora
Señales de entrada
Función de activación
Señal de salida
Caracteristicas
Forma de representar la información
Las funciones de activación pueden ser continuas, lineal o simogdeal.
Tipo de asociación entre la información de entrada y salida
Almacena cierta información aprendida, la cual se registra de forma distribuida en los pesos asociados a las conexiones entre neuronas de entrada y salida
Mecanismo de aprendizaje
Se basa en el entrenamiento de la red con patrones
Tres tipos de aprendizaje
Aprendizaje por refuerzo
Se basa en la idea de no indicar durante el entrenamiento exactamente la salida que se desea que proporcione la red ante una determinada entrada. La función del supervisor se reduce a indicar mediante una señal de refuerzo si la salida obtenida en la red se ajusta a la deseada (éxito=+1 o fracaso=-1), y en función de ello se ajustan los pesos basándose en un mecanismo de probabilidades.
Aprendizaje hibrido
Este tipo de aprendizaje consiste básicamente en realizar cambios aleatorios en los valores de los pesos de las conexiones de la red y evaluar su efecto a partir del objetivo deseado y de distribuciones de probabilidad.
Aprendizaje por corrección de error
Consiste en ajustar los pesos en fusión de la diferencia entre los valores deseados y los obtenidos en la salida de la red, es decir, en función del error.
Topología
La arquitectura de las redes neuronales consiste en la organización y disposición de las neuronas formando capas más o menos alejadas de la entrada y salida de la red
Parámetros de la red
Numero de neuronas por capa
Grado de conectividad
Conexiones entre neuronas
Numero de capas
Ventajas
Auto organización
Aprendizaje
Tolerancia a fallos
se componen de:
Nodos
La conectividad entre los nodos de una red esta relacionada con la forma en que las salidas de las neuronas están canalizadas para convertirse en entradas de otras neuronas. La señal de salida de un nodo puede ser la entrada de otra neurona.
Neuronas
La distribución de neuronas dentro de la red se realiza formando niveles o capas de un numero determinado de neuronas cada una.
Se pueden distinguir 3 tipos de capas
Capa oculta
Son internas a la red y no tienen contacto directo con el entorno exterior.
Capa de salida
Transfieren información de la red hacia el exterior.
Capa de entrada
Recibe directamente la información proveniente de las fuentes externas a la red.
Desventajas
Elevada cantidad de datos para el entrenamiento
Complejidad de aprendizaje en grandes tareas
Tiempo de aprendizaje elevado
¿Cómo crear una red neuronal de clasificación?
1.
Se crean los grupos a clasificar.
2.
Se genera una clasificación, ya sea lineal o no lineal, que logre separar dichos grupos. Si los grupos no están separados se realiza un aprendizaje
3.
Si los grupos están separados se realiza una serie de pruebas con otros datos diferentes a los iniciales.
4.
Si las pruebas presentan un error se realiza un reentrenamiento modificando los pesos iniciales.
5.
Se genera la clasificación con los datos iniciales y los datos de prueba
