Con el transcurso de los años los seres humanos se han preguntado como funciona el cerebro, como se genera el pensamiento, y como el cerebro controla todas acciones del cuerpo, gracias a los avances tecnológicos se han ido revelando las respuestas de cada una de estas interrogantes.
La inteligencia artificial es la ciencia encargada de la creación de entidades inteligente que piensen y actúen como los seres humanos es por ellos que es necesario estudiar el cerebro humano que esta formado por neuronas que se encargan de transmitir la información de los estímulos externos que se perciben del ambiente mediante impulsos nerviosos, para crear un sistema similar que actué de la manera en la que lo hace el cerebro humano.
OBJETIVO
El objetivo de la siguiente publicación es conocer cuales son los fundamentos biológicos que influyeron en la creación de las redes neuronales artificiales, que es una red neuronal artificial, como funciona, cual es la estructura básica de estas neuronas y en que basan su aprendizaje.
MARCO TEÓRICO
Las redes neuronales artificiales también conocidas como RNA son unidades de procesamiento de información en donde cada neurona recibe una serie de entradas a través de interconecciones y emite una salida, las RNA son modelo artificial que intenta imitar la forma en la que el cerebro humano recibe las percepciones del ambiente y como procesa la información haciendo uso de las neuronas biológicas. Su estructura es similar a las de las neuronas biológicas formada por neuronas interconectadas entre si formando un tipo de red de coneccion de donde proviene el nombre de RNA.
Para el estudio de la inteligencia artificial es necesario conocer los dos campos de estudio que son:
- Capa de entrada: Esta capa es la encargada de percibir las percepciones o señales de entrada del entorno.
- Capa oculta: Esta capa es la encargada del procesamiento interno de la red y a diferencia de la capa de entrada esta no recibe ningún estimulo del entorno.
- Capa de salida: Esta capa se encarga una respuesta o señal de salida ante los estímulos recibidos por las otras capas.
- Paradigma de aprendizaje: Es la información con que dispone la red.
- Regla de aprendizaje: Son los principios que gobiernan el aprendizaje de la red.
- Algoritmo de aprendizaje: Es el procedimiento numérico de ajuste de los pesos.
- Aprendizaje supervisado: Es cuando la red neuronal trata de minimizar entre el erro de salida que calcula y el que se espera dependiendo que esta salida sea la deseada.
- Aprendizaje no supervisado: Es cuando la red neuronal conoce los patrones que determinaran la respuesta deseada.
El objetivo de las RNA es conseguir que la red aprenda automáticamente las propiedades que tiene que ver con la selección del modelo de la red, las variables a incorporar y el conjunto de entrenamiento.
Fundamentos biológicos de las redes neuronales
El sistema de comunicación neuronal de los seres humanos y los animales esta formado por el sistema nervioso y el sistema hormonal que esta que para percibir su entorno lo hace a través de los órganos efectores que nos permiten realizar una accion dependiendo del tipo de estimulo que se halla recibido, el objetivo del sistema nervioso es recopilar la información, procesarla, almacenarla y transmitirla de neurona en neurona.
Los tres aspectos que interviene en el proceso de comunicación del sistema nervioso son los siguientes:
El funcionamiento de las neuronas biológicas se da en base a sus partes, cada una realiza una función especifica durante el proceso de comunicación de la neuronas, y tenemos las siguientes:
Núcleo: Es el encargado de procesar la información recibida y de enviarla a través del axón.
Axón: El axón se encarga de transmitir los impulsos nerviosos en forma de frecuencia.
Axón: El axón se encarga de transmitir los impulsos nerviosos en forma de frecuencia.
Modelo computacional
La neurona artificial
Imagen 2: Modelo de neurona artificial
Estructura básica de la red
Aprendizaje
El aprendizaje es la parte mas importante de las redes neuronales artificiales, cada esquema de aprendizaje determina el tipo de problema al que se enfrentara la red neuronal, existen tres conceptos fundamentales en el aprendizaje de las neuronas artificiales, los cuales son:
Dentro de los paradigmas de aprendizaje podemos encontrar dos tipos de aprendizaje que determinar la función de la red, estos tipos son:
La ventaja de estos procesos de aprendizaje es que una vez que la red ha aprendido podrá funcionar como un modo de recuerdo o de ejecución sin la necesidad de que estos procesos se lleven mucho tiempo.
CONCLUSIÓN
Las redes neuronales artificiales son un gran avance en el campo de la inteligencia artificial ya que ayuda a resolver de una mejor manera los problemas en los que encuentre los agentes de la forma en la que el cerebro humano lo realiza, aunque para realizar estos procesos sea necesario de mucho tiempo, las ventajas de estas redes neuronales han demostrado ser satisfactorias y se espera que se puedan crear sistema con redes neuronales artificiales capaces de adaptarse a cualquier entorno.
Isasi, P y Galván,I. 2004. Redes neuronales artificiales: Un enfoque práctico. 1 ed. España. Pearson Education. p 248
No hay comentarios.:
Publicar un comentario