Redes Neuron Ales Artificiales 1

Por: Alberto Vilca Charaja – ETO. http://www.geocities.com/eto_humb

http://www.freewebs.com/etopuntope

REDES NEURONALES ARTIFICIALES 1 REDES NEURONALES ARTIFICIALES Veamos algo más directo, que información teórica se encuentra ya a montones, y me parece que son más definiciones matemáticas, veamos algo un poco más práctico. LA NEURONA BIOLOGICA. A manera de introducción, se puede hacer referencia a la neurona biológica, que como ya sabemos consta de tres partes principales, las dendritas, el cuerpo celular de la neurona (soma) y el axón, funcionalmente la neurona recibe información por las dendritas, la procesa en el cuerpo celular, y la reacción se emite por el axón, dependiendo donde se encuentre la neurona, trasmitirá esa información de salida a otras neuronas o a los músculos.

Haciendo una comparación funcional, con la electrónica, si quisiéramos compararla con un circuito, si fuera analógico, podríamos hacerlo con un amplificador sumador, y en el mundo digital, con cualquier procesador, específicamente en nuestro caso podemos hacerlo con un PIC o cualquier otro microcontrolador. Como vemos en la figura, la sinapsis se realiza de la salida del axón, a las dendritas de otra neurona, las cuales llevan la información al cuerpo celular para procesarla, y transmitirla al axón nuevamente, lo cual hacemos en todos nuestros circuitos, tenemos una(as) entrada(s), y una(s) salida(s), el detalle es en como se procesa la información, implementando un método de control común, podemos encontrarnos desde un algoritmo simple hasta uno muy complejo, según sea la necesidad, pero utilizando una neurona o una red neuronal, el algoritmo siempre será el mismo. LA NEURONA ARTIFICIAL. Ya habiendo visto las semejanzas, veremos como procesa la información la neurona., para lo cual veremos como realiza su sinapsis.

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.

Por: Alberto Vilca Charaja – ETO. http://www.geocities.com/eto_humb

http://www.freewebs.com/etopuntope

Lo que tiene que hacer la neurona artificial es multiplicar cada entrada por su respectivo peso, lo mismo que el peso umbral, que normalmente su entrada es -1 (pero se puede utilizar otro valor, según sea el caso, pero eso se vera más adelante), y sumar esos resultados, esa sumatoria se llama la “regla de propagación”, ese resultado pasa a ser evaluado por otra función que es la “función de activación” cuyo resultado es efectivamente la salida de la neurona artificial, esta función de salida dependerá del tipo de neurona que se utilice. La regla de propagación mas común, es la vista en la figura. Como hemos visto, lo único que tiene que hacer nuestra neurona es multiplicar y luego sumar, para luego aplicar una función a la salida FUNCION DE ACTIVACION Veremos un cuadro de las más comunes. IDENTIDAD

ESCALON

FUNCION y=x

RANGO GRAFICA [-inf, +inf]

y = signo(x) y = H(x)

{-1,+1} {0,+1}

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.

Por: Alberto Vilca Charaja – ETO. http://www.geocities.com/eto_humb

http://www.freewebs.com/etopuntope

LINEAL A TRAMOS

-1, si x<-1 y = x, si -1<=x<=+1 +1, si x>+1

[-1,+1]

SIGMOIDEA

1 y = ------1+e^(-x) y = tgh(x)

[0,+1]

GAUSSIANA y = A.e^(-Bx^2)

[-1,+1]

[0,+1]

Si vas a copiar o distribuir este material, haz mención de donde lo obtuviste, y del autor.