Introducción

Redes Neuronales

Las Redes Neuronales Artificiales (RNA) están inspiradas en la biología, esto significa que están formadas por elementos que se comportan de manera análoga a las neuronas (en las funciones más elementales) y están organizadas de una forma similar a la del cerebro, pero las analogías no son muchas más.

A continuación se dará a conocer las características fundamentales de una RNA:

• Aprenden de la experiencia: Las RNA pueden modificar su comportamiento como respuesta a su entorno. Dado un conjunto de entradas (quizá con las salidas deseadas), las RNA se ajustan para producir respuestas consistentes. Una amplia variedad de algoritmos de entrenamiento se han desarrollado, cada uno con sus propias ventajas e inconvenientes. 

• Generalizan de ejemplos anteriores a los ejemplos nuevos: Una vez que la RNA esté entrenada, la respuesta de la red puede ser, hasta un cierto punto, insensible a pequeñas variaciones en las entradas, lo que las hace idóneas para el reconocimiento de patrones.  
• Abstracción de la esencia de las entradas: Algunas RNA son capaces deabstraer información de un conjunto de entradas. Por ejemplo, en el caso de reconocimiento de patrones, una red puede ser entrenada en una secuencia de patrones distorsionados de una letra. Una vez que la red sea correctamente entrenada será capaz de producir un resultado correcto ante una entrada distorsionada, lo que significa que ha sido capaz de aprender algo que nunca había visto. 

Para las RNA su principal objetivo es emular tres conceptos principales:

• Procesamiento Paralelo:  Derivado de que los miles de millones de neuronas que intervienen, por ejemplo en el proceso de ver, están operando en paralelo sobre la totalidad de la imagen.

• Memoria Distribuida:  mientras que en un computador la información esta en posiciones de memoria bien definidas, en las redes neuronales biológicas dicha información esta distribuida por la sinapsis de la red, existiendo una redundancia en el almacenamiento, para evitar la perdida de información en caso de que una sinapsis resulte dañada. 

• Adaptabilidad al Entorno: Por medio de la información de las sinapsis. Por medio de esta adaptabilidad se puede aprender de la experiencia y es posible generalizar conceptos a partir de casos particulares.

Recapitulando un sistema RNA tiende a emular tanto a su contraparte biológica tenemos un modelo standar propuesto por Rumelhart y McClelland (1986) y McClelland y Rumelhart
(1986).

  

Lo que se aprecia en dicho planteamiento es como se representa una neurona, una capa, una red(varias capas de neuronas enlazadas) y un sistema neuronal esl cual añade una parte algorítmica la cual  ayuda en el procesamiento de la red añadida previamente.