Redes Neuronales

Comenzamos una serie de post sobre las redes neuronales, de las que tanto se habla, en los medios, pero que pocas veces de explican los conceptos que las definen.

Definiciones

Una red neuronal es un sistema de procesamiento de información que tiene en común ciertas características con las redes neuronales biológicas. Las redes neuronales artificiales han sido desarrolladas como generalizadores de modelos matemáticos de cognición humana o biología neuronal basadas en suposiciones.

· El procesamiento de información ocurre en muchos elementos simples llamados neuronas.

· Las señales se pasan entre neuronas sobre enlaces de conexión.

· Cada enlace de conexión tiene un peso asociado, el cuál, en una típica red neuronal, multiplica la señal transmitida.

· Cada RED NEURONAL aplica una función de activación (usualmente no lineal) a su aporte neto (la suma del aporte neto ponderado) para determinar su señal de salida.

Las aplicaciones de NN pueden clasificarse por diversos criterios, se indican varios campos de aplicación:

• Gestión bibliotecaria (Library management)
• Clasificación de la información (information clustering)
•  Diseño de interfase (interface design)
• Filtrado de información (filtering of information)
•  Búsqueda incompleta (incomplete searching)
•  Descubrimiento de información (Data Mining)

Evidentemente las que nos interesa es precisamente la última, a aplicación a la Minería de Datos (Data Minning).

 

Estructura de una Neurona Biológica

   

Conceptos básicos

Las Redes Neuronales (NN: Neural Networks) fueron originalmente una simulación abstracta de los sistemas nerviosos biológicos, constituidos por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros.

El primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de un modelo computacional de actividad nerviosa. Este modelo era un modelo binario, donde cada neurona tenía un escalón o umbral prefijado, y sirvió de base para los modelos posteriores.

Una primera clasificación de los modelos de NN es:

• Modelos inspirados en la Biología: Estos comprenden las redes que tratan de simular los sistemas neuronales biológicos, así como ciertas funciones como las auditivas o de visión.
•  Modelos artificiales aplicados: Estos modelos no tienen por qué guardar similitud estricta con los sistemas biológicos. Sus arquitecturas están bastante ligadas a las necesidades de las aplicaciones para las que son diseñados.