Transcript
UNIVERSIDAD NACIONAL SAN A ANTONIO A ABAD A DEL C CUSCO SC
CARRERA PROFESIONAL DE INGENIERIA ELECTRONICA I SEMANA ELECTRONICA
REDES NEURONALES I Avid Ing. A id Román R á González G ál
INTRODUCCION • Se trata de una nueva forma de p que q computación es capaz de j las manejar imprecisiones cuando se tratan de resolver problemas del p mundo real. Ing. Avid Roman Gonzalez
• Con las redes neuronales se intentara expresar la solución de problemas complejos, no como pasos,, si no como la evolución una secuencia de p de unos sistemas de computación inspirados en el funcionamiento del cerebro humano y d d por tanto de dotados d cierta i “inteligencia”, “i li i ” los l cuales no son si no la combinación de una gran cantidad de elementos simples de proceso (neuronas) interconectados que, operando de forma masivamente paralela paralela, consiguen resolver problemas relacionados con el reconocimiento de formas o p patrones,, codificación,, clasificación,, 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 niveles. niveles • Un sistema de computación hecho por un gran numero de elementos simples de proceso muy interconectados. edes Neuronales eu o a es a artificiales t c a es so son redes edes • Redes interconectadas masivamente en paralelo de elementos simples y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el g sistema nervioso biológico. Ing.. Avid Roman Gonzalez
Ventajas j de las redes Neuronales:
Son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos casos, entre las ventajas que podemos mencionar se encuentran: • Aprendizaje adaptativo. • Autoorganización. • Tolerancia a fallos. p en tiempo p real. • Operación • Fácil inserción dentro de la tecnología existente.
Ing. Avid Roman Gonzalez
Aplicaciones p de las Redes Neuronales:
Las Redes Neuronales son una tecnología emergente que puede utilizarse en un gran numero y variedad de aplicaciones, tanto comerciales como militares. • Biología. l í • Empresa. • Medio d Ambiente. b • Finanzas. • Manufacturación. f ó • Medicina. • Militares. ili Ing. Avid Roman Gonzalez
Reconocimiento de Patrones: El termino t i reconocimiento i i t de d patrones t originalmente se refería a la detección de formas simples, i l tales t l como caracteres t escritos it a mano, mapas del tiempo y espectros del lenguaje. Sin embargo, b un objetivo bj ti mas ambiciosos bi i ha h sido id durante todo el tiempo implementar la percepción ió artificial, tifi i l es decir, d i imitar i it las l funciones f i de los sistemas sensoriales biológicos en su f forma mas completa. l t Ing. Avid Roman Gonzalez
Mas Aplicaciones: • • • •
Control de Robots. Toma de decisiones. Filtrado de señales señales. Segmentación, compresión ió y fusión f ió de datos. • Interfaces adaptativas para sistemas hombre/maquina. Ing. Avid Roman Gonzalez
Implementación p de las Redes Neuronales: Realizar redes neuronales consiste en la implementación d estas por medio de d de d uno o varios circuitos integrados. Existen algunos productos comerciales, como el N64 de Intel, que incluye 64 neuronas y 10000sinapsis, 10000 i i o ell MB4442 de Fujistsu con una sola neurona y capaz de procesar 70000 conexiones por segundo, o el MD1220 de Mi Micro D i Device, o ell conjunto j NU3232 y N32 de Neural Semiconductors Semiconductors. Ing. Avid Roman Gonzalez
• 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 q orientadas a la ejecución j de arquitecturas procesos con un alto grado de paralelismo. • Una tercera aproximación radicalmente distinta es la realización de redes neuronales mediante su implementación por uno o varios circuitos integrados específicos. Ing. Avid Roman Gonzalez
FUNDAMENTOS DE LAS REDES NEURONALES
Modelo Biológico: g La teoría y modelado de redes neuronales artificiales esta inspirado en la estructura y f funcionamiento d de llos sistemas nerviosos, donde d d la neurona es el elemento fundamental.
Ing. Avid Roman Gonzalez
• 1011 Neuronas (procesadores) • Poder desconocido • 1000 – 10000 conecciones por neurona
Ing. Avid Roman Gonzalez
Red Neuronal Artificial: • Modelo simplificado de neurona biológica – estático – representación entrada-salida.
• Múltiples entradas, salida única
– diferente influencia de entradas en salida l d mediante d “pesos” “ ” (wi) ( ) – w: parámetros de la neurona
bi bias
Entradas
u1 u2
un
• Relación entrada-salida no-lineal – d diferentes f opciones para f( f(.)) • step, sat, sigm, tanh
• Capacidad de adaptación
– variación i ió de d sus “pesos” “ ” con algún l ú objetivo
• Existen otros modelos
• agregando dinámica dinámica, • modelos no deterministas • relacionados con estructuras de redes especificas Ing.. Avid Roman Gonzalez
w0
w1 w2
wn pesos sinápticos
n
s
Sumador
función de acti ación activación
f(.)
y salida
Net j = ∑ xi w ji
a j (t + 1) = F (a j (t ), Net j ) y j = f j (a j (t + 1)) Ing.. Avid Roman Gonzalez
En cualquier sistema que se este modelando modelando, es útil caracterizar t tres ti tipos d de unidades: entradas, salidas y ocultas. Ing. Avid Roman Gonzalez
CARACTERISTICAS DE LAS REDES NEURONALES
Topología p g de las Redes Neuronales: Consiste en la organización y disposición de las neuronas en la red formando capas o agrupaciones de neuronas mas o menos alejadas de la entrada y salida de la red. Así tenemos: • Monocapas:
• Multicapas: Ing. Avid Roman Gonzalez
Mecanismo de Aprendizaje: • Supervisado: – Aprendizaje por corrección de errores. – Aprendizaje por refuerzo. – Aprendizaje estocástico. estocástico
• No N S Supervisado: i d – Aprendizaje p j Hebbiano. – Aprendizaje Competitivo y Cooperativo. Ing. Avid Roman Gonzalez
Tipo de Asociación Entre las Informaciones de Entrada y Salida: • Redes Heteroasociativas. Heteroasociativas
• Redes Autoasociativas. Autoasociativas
Ing. Avid Roman Gonzalez
Representación ep ese tac ó de la a Información o ac ó de Entrada y Salida: • Redes cuyos datos de entrada y salida son g analógicas. • Redes cuyas entradas y salidas son discretas o digitales. • Redes que se podrían llamar hibridas, en las que las informaciones de entrada pueden valores continuos, aunque las salidas de las red son discretas. discretas
Ing. Avid Roman Gonzalez
GRACIAS ¿PREGUNTAS? Ing. Avid Ing A id Roman Gon Gonzalez ale
[email protected] htt // http://www.geocities.com/avid_roman_gonzalez iti / id l
wi (t +1) = wi (t ) + α [d (t ) − y(t )]xi (t ) Don de d(t) representa la salida deseada.
Ing. Avid Roman Gonzalez