INTRODUCCIÓN
Existen
diversos modelos de redes neuronales en los cuales se siguen filosofías de
diseño, reglas de aprendizaje y funciones de construcción de las respuestas muy
distintas, en este informe hablaremos del modelo computacional ya que este es
muy indispensable para desarrollar los diferentes sistemas de Redes de Neuronas
Artificiales.
MODELO COMPUTACIONAL
El
modelado computacional es el uso de matemáticas, física e informática para
estudiar el comportamiento de sistemas complejos mediante la simulación por
computadora. Un modelo computacional contiene numerosas variables que
caracterizan el sistema bajo estudio. La simulación se realiza ajustando estas
variables y observando cómo los cambios afectan los resultados pronosticados
por el modelo. Los resultados de las simulaciones de modelos ayudan a los
investigadores a hacer predicciones acerca de qué pasará en el sistema real que
se está estudiando en respuesta a condiciones cambiantes.
NEURONA ARTIFICIAL
La neurona
artificial, célula o autómata, es un elemento que posee un estado interno,
llamado nivel de activación, y recibe señales que le permiten, en su caso,
cambiar de estado.
Si se
denomina S al conjunto de estados posibles de la neurona, S podrá ser por
ejemplo, S= {0,1}, siendo 0 estado inactivo y el 1 el activo, también puede toamar muchos más valores.
Las neuronas
poseen una función que les permite cambiar de nivel de activación a partir de
señales que reciben; a dicha función se la llama función de transición de estado
o función de activación. El nivel de activación de una célula depende de las
entradas recibidas y de los valores sinápticos.
ESTRUCTURA BASICA DE LA RED
A la
izquierda están las la serie de entradas a la neurona, cada una llega de la salida
de otra neurona de la red. Una vez calculada la salida de una neurona, esta se
propaga vía conexiones de salida a las células destino. Todas las conexiones de
salida reciben el mismo valor de salida.
CONCLUSIÓN
La neurona
artificial es un autómata que posee un estado interno el cual puede estar
activo o inactivo dependiendo de las señales que perciba, estos estados ya que
tienen una función llamada función de activación que prácticamente cambia el
estado de la neurona.
La
Neurona Artificial está compuesta por entradas y salidas de las cuales las
entradas son las neuronas que están conectadas a una capa intermedia y por
ultimo las salidas que determinan el resultado de la operación deseada.
BIBLIOGRAFÍA
Gómez, F; Fernández, M; López, M; Díaz, M. 2004.
Aprendizaje con redes.Neuronas Artificiales. (En línea). Formato PDF. Disponible
en: dialnet.unirioja.es/descarga/articulo/2281678.pdf
Isasi, P; Galván, I; 2004. Redes de Neuronas Artificiales
Un Enfoque Práctico. Madrid España.
No hay comentarios:
Publicar un comentario