La inteligencia artificial en su desarrollo a tratado de cumplir con su objetivo primordial que es creación de entiendades que piensen y actúen como los seres humanos, para ha hecho de las redes neuronales artificiales que han sido a gran avance ya que son capaces de resolver problemas complejos y tienen la capacidad de auto aprendizaje, estas redes neuronales artificiales están inspiradas en las redes neuronales biológicas de los seres humanos, gracias a esto han desarrollado diversos modelos de redes neuronales entre estos las redes Adaline que son capaces de resolver problemas mas complejos y es una de los muchos avances de la inteligencia artificial.
OBJETIVO
El objetivo de esta publicación es dar conocer como funciona la red Adaline, cuales son sus principales ventajas, en que tipo de aplicaciones podemos utilizar a esta red neuronal artificial y genera su aprendizaje.
MARCO TEÓRICO
Las redes neuronales ADALINE fueron desarrolladas en el año 1960 por el profesor Bernie Widrow y su alumno Tedd Hoff de la Universidad de Standford California, el objetivo de este tipo de red neuronal era la de crear una red adaptiva en el sentido de que exista un procedimiento definido en donde se modifiquen los pesos de los objetivos para hacer posible que la red proporcione la señal de salida correcta para cada tipo de entrada dada.
Características
Entre las características que posee esta red artificial tenemos que su aprendizaje es de tipo Off-Line el cual requiere de un conjunto de datos de entrenamiento y datos de prueba que ajusten los pesos de las conexiones de la red neuronal en función de las diferencias que existen entre los valores deseados y los obtenidos en las señales de salida. Este tipo de red neuronal tiene un aprendizaje supervisado que se caracteriza porque determina la respuesta que se debería generar a partir de una entrada determinada.
Aprendizaje
El aprendizaje de la red Adaline a diferencia de los perceptrones es que a la hora de modificar los pesos de ambos valores durante el entrenamiento, la red Adaline tiene en cuenta el grado de la corrección de la salida obtenida con respecto a la estimada, esto se consigue gracias a que la aplicación de la regla Delta que es definido por un patron de entrada que tiene una salida estimada y una salida deseada.
Ventajas de la red Adaline
Entre las ventajas que posee este tipo de red neuronal artificial tenemos es que su gráfica de error es una hipérbole un único valor mínimo global o de mejor manera una recta de valores mínimos todos ellos globales que a diferencia de los perceptrones esto evita la gran cantidad de problemas que tienen los perceptrones durante el entrenamiento ya que sus valores mínimos son locales.
Aplicaciones de la red Adaline
Entre las aplicaciones que tenemos para este tipo de red neuronal artificial tenemos las siguientes:
- Asociación de patrones: Este tipo de aplicación puede ser útil para resolver problemas en donde los patrones siempre sean linealmente separables.D
- Filtros de ruido: Sirven para limpiar los ruidos de las señales que transmiten la información.
- Filtros adaptivos: Una red Adeline es capaz de predecir los valores de una señal en un instante si se conoce el valor del mismo en instantes anteriores. El error de prediccion de la red sera mayor o menor dependiendo del tipo de señal que queremos predecir.
Las redes Adaline tienen un sin números de usos dentro del campo de la inteligencia artificial que van desde el reconocimiento de patrones hasta la traducción de textos para personas problemas de lenguaje.
La inteligencia artificial sigue avanzando y las redes Adaline son unos de los avances que hacen que esta ciencia siga en evolución.
BIBLIOGRÁFIA
Isasi, P. y Galván, I. 2004. Redes Neuronales Artificiales: Un enfoque Práctico. Madrid, Esp. pág 34.
