UNIVERSIDAD NACIONAL SAN A A A C SCANTONIO ABAD DEL CUSCO

CARRERA PROFESIONAL DE INGENIERIA

I SEMANA ELECTRONICA

ELECTRONICA

REDES NEURONALES

I A id R á G álIng. Avid Román González

INTRODUCCIONINTRODUCCION

• Se trata de una nueva forma de computación que p qes capaz de manejar las jimprecisiones cuando se tratan de resolver problemas del pmundo real.

Ing. Avid Roman Gonzalez

• Con las redes neuronales se intentara expresarCon las redes neuronales se intentara expresar la solución de problemas complejos, no como una secuencia de pasos, si no como la evolución p ,de unos sistemas de computación inspirados en el funcionamiento del cerebro humano y d d d i “i li i ” ldotados por tanto de cierta “inteligencia”, los cuales no son si no la combinación de una gran cantidad de elementos simples de procesocantidad de elementos simples de proceso (neuronas) interconectados que, operando de forma masivamente paralela consiguen resolverforma masivamente paralela, consiguen resolver problemas relacionados con el reconocimiento de formas o patrones, codificación, clasificación, p , , ,control y optimización.

Ing. Avid Roman Gonzalez

Definición de una Red Neuronal:• Una nueva forma de computación, inspirada en

modelos biológicos.• Un modelo matemático compuesto por un gran

número de elementos procesales organizados en nivelesniveles.

• Un sistema de computación hecho por un gran numero de elementos simples de proceso muynumero de elementos simples de proceso muy interconectados.

• Redes Neuronales artificiales son redes edes eu o a es a t c a es so edesinterconectadas masivamente en paralelo de elementos simples y con organización jerárquica, las cuales intentan interactuar con los objetos dellas cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico.

Ing.. Avid Roman Gonzalez

g

Ventajas de las redes Neuronales:jSon capaces de aprender de la experiencia, de generalizar

de casos anteriores a nuevos casos, entre las ventajas que podemos mencionar se encuentran:que podemos mencionar se encuentran:

• Aprendizaje adaptativo.• Autoorganización.Autoorganización.• Tolerancia a fallos.• Operación en tiempo real.p p• Fácil inserción dentro de la tecnología existente.

Ing. Avid Roman Gonzalez

Aplicaciones de las Redes Neuronales:pLas Redes Neuronales son

una tecnología emergente que puede utilizarse en unque puede utilizarse en un gran numero y variedad de aplicaciones, tantoaplicaciones, tanto comerciales como militares.

l í• Biología.• Empresa.

d b• Medio Ambiente.• Finanzas.

f ó• Manufacturación.• Medicina.

iliIng. Avid Roman Gonzalez

• Militares.

Reconocimiento de Patrones:Reconocimiento de Patrones:

El t i i i t d tEl termino reconocimiento de patrones originalmente se refería a la detección de formas i l t l t itsimples, tales como caracteres escritos a mano,

mapas del tiempo y espectros del lenguaje. Sin b bj ti bi i h idembargo, un objetivo mas ambiciosos ha sido

durante todo el tiempo implementar la ió tifi i l d i i it l f ipercepción artificial, es decir, imitar las funciones

de los sistemas sensoriales biológicos en su f l tforma mas completa.

Ing. Avid Roman Gonzalez

Mas Aplicaciones:Mas Aplicaciones:

• Control de Robots.• Toma de decisiones.• Filtrado de señales• Filtrado de señales.• Segmentación,

ió f iócompresión y fusión de datos.

• Interfaces adaptativas para sistemas hombre/maquina.

Ing. Avid Roman Gonzalez

Implementación de las Redes Neuronales:pRealizar redes neuronales

consiste en la implementación d d dde estas por medio de uno o varios circuitos integrados. Existen algunos productosExisten algunos productos comerciales, como el N64 de Intel, que incluye 64 neuronas

10000 i i l MB4442y 10000sinapsis, o el MB4442 de Fujistsu con una sola neurona y capaz de procesarneurona y capaz de procesar 70000 conexiones por segundo, o el MD1220 de Mi D i l jMicro Device, o el conjunto NU3232 y N32 de Neural Semiconductors

Ing. Avid Roman Gonzalez

Semiconductors.

• La realización mas simple e inmediata consiste en simular la red sobre un ordenador convencional mediante un software especifico.

• Realización de redes neuronales a través de arquitecturas orientadas a la ejecución de q jprocesos con un alto grado de paralelismo.

• Una tercera aproximación radicalmenteUna tercera aproximación radicalmente distinta es la realización de redes neuronales mediante su implementación por uno o variosmediante su implementación por uno o varios circuitos integrados específicos.

Ing. Avid Roman Gonzalez

FUNDAMENTOS DE LAS REDES

NEURONALES

Modelo Biológico:gLa teoría y modelado de redes neuronales

artificiales esta inspirado en la estructura y f d l d dfuncionamiento de los sistemas nerviosos, donde la neurona es el elemento fundamental.

• 1011 Neuronas (procesadores)(procesadores)

• Poder desconocidodesconocido

• 1000 – 10000 conecciones por

Ing. Avid Roman Gonzalezneurona

Ing. Avid Roman Gonzalez

Red Neuronal Artificial:bi

• Modelo simplificado de neurona biológica– estático

u1 w1función de acti ación

Entradas w0bias

– representación entrada-salida.• Múltiples entradas, salida única

– diferente influencia de entradas en l d d “ ” ( )

f(.)u2 y

w2activación

Sumador salida

s

salida mediante “pesos” (wi)– w: parámetros de la neurona

• Relación entrada-salida no-lineald f f( )

wnunSumador

pesos sinápticos

– diferentes opciones para f(.) • step, sat, sigm, tanh

• Capacidad de adaptacióni ió d “ ” l ú– variación de sus “pesos” con algún

objetivo• Existen otros modelos

• agregando dinámica• agregando dinámica, • modelos no deterministas• relacionados con estructuras de

redes especificas

Ing.. Avid Roman Gonzalez

redes especificas

=∑ wxNet jiij

( ) ( )( ),1 =+∑

NettaFta jjj

jiij

( ) ( )( )( )( )1+= tafy jjj

jjj

Ing.. Avid Roman Gonzalez

jjj

En cualquierEn cualquier sistema que se este modelandoeste modelando, es útil caracterizar t ti dtres tipos de unidades: entradas, salidas y ocultas.y ocultas.

Ing. Avid Roman Gonzalez

CARACTERISTICAS DE LAS REDES NEURONALES

Topología de las Redes Neuronales:p gConsiste en la organización y

disposición de las neuronas en la red formando capas o agrupaciones de neuronas mas o menos alejadas de lamas o menos alejadas de la entrada y salida de la red.

Así tenemos:

• Monocapas:

• Multicapas:

Ing. Avid Roman Gonzalez

Mecanismo de Aprendizaje:Mecanismo de Aprendizaje:

Supervisado:• Supervisado:– Aprendizaje por corrección de errores.– Aprendizaje por refuerzo.– Aprendizaje estocásticoAprendizaje estocástico.

N S i d• No Supervisado:– Aprendizaje Hebbiano.p j– Aprendizaje Competitivo y Cooperativo.

Ing. Avid Roman Gonzalez

Tipo de Asociación Entre lasTipo de Asociación Entre las Informaciones de Entrada y Salida:

• Redes Heteroasociativas• Redes Heteroasociativas.

• Redes Autoasociativas• Redes Autoasociativas.

Ing. Avid Roman Gonzalez

Representación de la Información de ep ese tac ó de a o ac ó deEntrada y Salida:

• Redes cuyos datos de entrada y salida son analógicas.g

• Redes cuyas entradas y salidas son discretas o digitales.discretas o digitales.

• Redes que se podrían llamar hibridas, en las que las informaciones de entradalas que las informaciones de entrada pueden valores continuos, aunque las salidas de las red son discretassalidas de las red son discretas.

Ing. Avid Roman Gonzalez

GRACIASGRACIAS

¿PREGUNTAS?Ing A id Roman Gon aleIng. Avid Roman Gonzalez

avid_rg@hotmail.comhtt // iti / id lhttp://www.geocities.com/avid_roman_gonzalez

( ) ( ) ( ) ( )[ ] ( )txtytdtwtw iii −+=+ α1( ) ( ) ( ) ( )[ ] ( )txtytdtwtw iii ++ α1

Don de d(t) representa la salida deseada.

Ing. Avid Roman Gonzalez