Page 8 - Revista Tics RG-LS completa

2 Metodología La Fig. 3 es un ejemplo de un mecanismo de
reconocimiento de patrones, los diferentes rasgos son
El presente artículo se realiza una investigación procesados simultáneamente y se elabora una
formativa sobre la red neuronal sigue la ruta respuesta.
cuantitativa con un enfoque descriptivo.
El desarrollo de computadoras y programas basados en
Se realizo una revisión sistemática de la investigación procesamiento paralelo pronto significaría una
siguiente metodologías propuestas, a su vez se revolución en la computación. Se han desarrollado
recopilaron artículos, revistas, páginas web entre otras. varias estructuras similares a neuronas como parte de
un hardware informático complejo.
2.1 Definiciones de una red neuronal
Sin embargo, la aplicación más común es simular estos
La red neuronal es un método computacional que mecanismos de aprendizaje mediante programas
simula el comportamiento de las neuronas durante el comerciales. Entre estas últimas ofertas se encuentran
aprendizaje. Uno de los desafíos de la inteligencia las reseñas.
artificial es resolver problemas de reconocimiento de
patrones. es decir, una de las habilidades que (las 2.2 Ventajas que ofrecen la red neuronal
máquinas inteligentes "deben imitar al cerebro
humano) es la capacidad de asociar un conjunto de Como hemos dicho, las redes neuronales, según su
características con una idea o un concepto. estructura y trasfondo, tienen grandes similitudes con
el cerebro. Por ejemplo, pueden aprender de la
En cambio, una red neuronal se [hace de elementos experiencia, generalizar casos anteriores a casos
interconectados (neuronas) que reciben información y nuevos, abstraer características esenciales de
desarrollan la señal transmitida hasta que se genera elementos que presentan información no relacionada.
una respuesta. Como se explicará en la siguiente
sección. Posteriormente, estos sistemas aprenden de Los beneficios incluyen: Tienen la capacidad de
los medios de los ejemplos, adaptando cada conexión aprender a realizar tareas basadas en la formación
para enlazar entre sí sin error, ingrese datos con su inicial (aprendizaje adaptativo). De esta forma, la
categoría correspondiente. máquina puede aprender a realizar determinadas tareas
entrenando con ejemplos ilustrativos, por lo que no es
necesario poner los modelos a priori.
Su naturaleza es bastante diferente a la de los métodos
estadísticos multivariados en que mediante diferentes Las redes neuronales permiten la autoorganización de
técnicas una variable dependiente o variable de lo aprendido mientras que el aprendizaje es la
respuesta puede describirse como una función de un modificación de elementos procedimentales
conjunto de variables, combinación de variables individuales, la autoorganización es la modificación
independientes o predictivas. de toda la red neuronal para lograr un objetivo
particular.
En una red neuronal, no se imponen condiciones a la Además, las redes neuronales son tolerantes a fallos.
distribución de los datos, estos datos pueden tener una
gran variación o incluso ser ambiguos o estar presentes Fueron los primeros métodos computacionales con
"(ruido"). Es posible que tengan diferentes efectos en esta habilidad inherente. De esta forma, si el fallo se
función de los valores de otras variables. produce en un número reducido de neuronas, aunque
el comportamiento del sistema se vea afectado, no se
bloqueará de forma repentina.
Debido a su funcionalidad específica, estos sistemas
tienen una capacidad especial para aprender de una Una de las principales prioridades de las redes
gran cantidad de ejemplos, ser capaces de predecir neuronales es que pueden operar en tiempo real. Las
patrones y tendencias y descubrir relaciones sutiles redes neuronales funcionan a través de conexiones
entre datos. Material. Estas capacidades podrían hacer paralelas, lo que permite altas velocidades de
de las redes neuronales una valiosa ayuda para el transmisión y respuestas casi instantáneas.
diagnóstico.
Las neuronas pueden reconocer patrones no
aprendidos, solo necesitan tener algunas similitudes
con el conocimiento previo de la red. En otras
palabras: si la entrada muestra signos de manipulación,
la red debe poder identificarla siempre que se
mantenga un cierto grado de similitud entre lo
aprendido y lo que se muestra en la entrada de la red.
Finalmente, se debe enfatizar como un activo la
facilidad de inclusión en la tecnología existente.
Entonces, por ejemplo, es muy fácil conseguir chips
especializados que mejoren su capacidad.
Figura 3: Reconocimiento.
6