TECNOLOGICO DE ESTUDIOS SUPERIORES DE JOCOTITÁN “Redes Neuronales Artificiales (RNA)” Trabajo de Investigación que presentan los alumnos de: INGENIERIA EN SISTEMAS COMPUTACIONALES A U T O R E S Cruz Amado Ezequiel López Piña Verónica Martínez Monroy Juan Carlos Reyes Romero Georgina
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
TECNOLOGICO DE ESTUDIOS SUPERIORES DE JOCOTITÁN
“Redes Neuronales
Artificiales (RNA)”
Trabajo de Investigación que presentan los alumnos de:
INGENIERIA EN SISTEMAS COMPUTACIONALES
A U T O R E S
Cruz Amado Ezequiel
López Piña Verónica
Martínez Monroy Juan Carlos
Reyes Romero Georgina
Patricia
Torres Becerril Mylee Annel
D O C E N T E
Ing. Yerene Castillo Margarita
2
INVESTIGACIÓN
[RNA]
JOCOTITLÁN, MÉXICO. 20 JUNIO DE 2012
I N D I C E
Contenido
I N D I C E............................................................................................................................................2
I N T R O D U C C I Ó N........................................................................................................................3
M A R C O T E O R I C O.....................................................................................................................5
M E T O D O L O G I A U T I L I Z A R................................................................................................28
A S E G U R A M I E N T O T E C N I C O – M A T E R I A L.................................................................29
F U E N T E S D E I N F O R M A C I Ó N..........................................................................................31
C R O N O G R A M A D E A C T I V I D A D E S................................................................................33
I N T R O D U C C I Ó N
En esta investigación el paradigma de Redes Neuronales
Artificiales es popular dentro de la Inteligencia Computacional
ya que es una herramienta para resolver o plantear
problemas, introduciendo de manera muy resumida aspectos
relevantes como un Sistema Neuronal Artificial, con la
finalidad de llegar a la arquitectura de las mismas.
Una Red Neuronal Artificial (RNA) se conecta por medio de
una zona de trasmisión de corriente bien estructurada para
que la información pueda programarse en un único sentido,
esto se lleva acabo por medio de 3 capas las cuales son
entrada, proceso, salida y ocultas, también podemos hablar
de estructuras de una sola capa o de multicapas para usar
este tipo de estructuras es importante tener en cuenta el flujo
de o curso de información.
4
INVESTIGACIÓN
[RNA]
Para que todo esto se lleve acabo existen propiedades en
donde cada neurona se le asocia a una variable, un peso, un
límite y una función.
Todo esto se resume como un proceso de investigación sobre
arquitectura de Redes Neuronales Artificiales, encargado de
producir acciones o resultados que maximizan un rendimiento
determinado, basado en entradas percibidas y en
conocimiento almacenado, basado con una planificación
automática.
Tratando de simular, imitar el sistema neurológico humano
pero no tan exacto ya que esto es artificial si no real.
De tal manera que procederemos a desglosar la investigación
en temas y subtemas para hacer comprender cada uno de
ellos a si como su definición, estos serán de forma especifica,
clara y precisas para que el lector tenga una comprensión,
además de que despierte interés en el conocimiento de estos
tópicos sin el uso de un lenguaje complejo.
5
INVESTIGACIÓN
[RNA]
Para que el lector genere su conclusión en forma sencilla
sobre todas las actividades encaminadas a los grandes
avances científicos y tecnológicos.
M A R C O T E O R I C O
HISTORIA
En 1943 se hizo el primer intento de emular artificialmente la
actividad de una neurona. El matemático Walter Pitts y el
neurocientífico Warren McCulloch diseñaron un circuito
6
INVESTIGACIÓN
[RNA]
electrónico al que denominaron neurona MP (por las iniciales
de sus apellidos), el cual tenía varias entradas de información
y una sola salida. Una década más tarde, Frank Rosemblatt
crearía el Perceptor, aparato compuesto por una red de
neuronas artificiales alimentadas mediante celdas sensibles a
la luz. Un producto directo de estas investigaciones son las
“redes neuronales de propagación hacia atrás”, cuya principal
aplicación es en programas de reconocimiento de patrones
ayudando a los investigadores en el desarrollo de sistemas de
reconocimiento de rostros y vehículos o en la clasificación de
galaxias distantes.
Sin embargo para poder distinguir patrones de información
este aprendizaje aun no es del todo inteligente, pues aunque
se aprende con base a errores tiene limitantes en el
procesamiento e iniciativa independiente.
En la actualidad hay dos líneas de investigación que buscan
crear un programa que aprenda por si mismo.
La primera es el sistema Electrónico de Plásticos Escalables
Adaptativos Neuromórficos (SyNAPSE o sinapsis por el juego
de palabras), que investiga la manera de emular la circuitería
neuronal del cerebro.
7
INVESTIGACIÓN
[RNA]
Aprendizaje autónomo
Con el financiamiento de la Agencia de Investigación de
Proyectos Avanzados de Defensa (DARPA, por sus siglas en
ingles) y la participación de la empresa de computadoras IBM,
el objetivo de SyNAPSE es lograr que los sistemas electrónicos
a base de transistores, circuitos integrados,
microprocesadores entre otros, utilicen arquitecturas
semejantes a los sistemas biológicos neuronales propios de
un cerebro humano.
Esta migración hacia sistemas electrónicos con arquitecturas
neuronales busca, por un lado, crear maquinas capaces de
adaptarse con eficiencia a los ambientes del mundo real, y
por otro lado, dar un salto evolutivo en los procedimientos
para crearlas. El objetivo es lograr que se independice de los
sistemas de programación que actualmente les dan vida, para
que obedezcan a sus propias percepciones y sensaciones, las
cuales transformaran en experiencias, de las que aprenderán
para ejecutar sus acciones.
También ayudara a la solución de un problema de
computación muy conocido “Cuello de botella de Von
Neuman”: la memoria de la computadora y la unidad de
8
INVESTIGACIÓN
[RNA]
procesamiento central (CPU) actúan de manera
independiente.
Esta situación limita el procesamiento de grandes cantidades
de información; sin importar las enormes capacidades de la
computadora, el tiempo que toma intercambiar los datos
entres sus componentes impide aprovechar su potencial, a
diferencia de un cerebro humano el cual es capaz de
procesarlas de forma paralela.
El físico Thomas Georges, investigador de IBM, opina que al
aumentar su inteligencia, las maquinas serán capaces de
rediseñar y modificar sus propios programas, aptitud que
incluso las hará impredecibles. Agrega que la super
inteligencia podrá alojarse ya sea en una computadora, red de
computadoras o tejidos biológicos, dejando abierta la
posibilidad de que despierte conciencia propia y que tenga
experiencias subjetivas.
9
INVESTIGACIÓN
[RNA]
CUADRO COMPARATIVO
Redes Neuronales Redes Neuronales Artificiales
Una neurona es una célula viva, y como tal, contiene los mismos elementos que forman parte de todas las células biológicas, además, de poseer elementos característicos que la diferencian. En general una neurona consta de un cuerpo celular más o menos esférico de 5 a 10 micras de diámetro, del que sale una rama principal el axón, y varias ramas más cortas denominadas dentritas. A su vez el axón puede producir ramas en torno a su punto de arranque, y con frecuencia se ramifica extensamente cerca de su extremo.
Cualquier modelo de red neuronal consta de dispositivos elementales de procesamiento: las neuronas. A partir de ellas, se pueden generar representaciones específicas, de tal forma que un estado conjunto de ellas pueda significar una letra, un número o cualquier otro objeto. Generalmente se pueden encontrar tres tipos de neuronas:1. Aquellas que reciben estímulos externos, relacionas con el aparato sensorial, que tomarán la información de la entrada, denominadas unidades de entrada.
2. Dicha información se transmite a ciertos elementos internos que se ocupan de su proceso. Es la
10
INVESTIGACIÓN
[RNA]
Esquema de una neurona biológica.
Una de las características que diferencian a las neuronas del resto de células vivas, es su capacidad de comunicarse.
En términos generales, las dentritas y el cuerpo celular reciben señales de entrada, el cuerpo celular las combina e integra y emite señales de salida. El axón transporta esas señales a los terminales axónicos, que se encargan de distribuir información a un nuevo conjunto de neuronas. Por lo general una neurona recibe información de miles de otras neuronas y, a su vez, envía información a miles de neuronas más. Se calcula que en el cerebro humano existen del orden
sinapsis y neuronas correspondientes a este segundo nivel donde se genera cualquier tipo de representación interna de la información. Puesto que no tienen relación directa con la información de entrada y de salida, estos elementos se denominan unidades ocultas.
3. Una vez ha finalizado el periodo de procesado, la información llega a las unidades de salida, cuya misión es dar la respuesta del sistema.
Esquema de una neurona artificial
11
INVESTIGACIÓN
[RNA]
de 10 a la 15 conexiones. En la tabla 1 se muestra un paralelo entre un computador secuencial (Computador de Von Neumann) y un sistema biológico.
La tecnología basada en redes neuronales artificiales es de caracter bio-inspirado pues su funcionamiento trata de imitar el funcionamiento de elementos biológicos que en este caso los constituyen las neuronas del cerebro. En la figura 2 se ilustra una neurona artificial
FUNCIONAMIENTO
ALGORITMO DE REDES NEURONALES EN INTELIGENCIA ARTIFICIAL
Las redes neuronales son algoritmos que implementan un
proceso cognitivo natural, no un humano, sino un animal. No
12
INVESTIGACIÓN
[RNA]
es demasiado complejo, a menos seas una ameba, te debería
parecer bastante lógico.
Existen múltiples modelos de Redes Neuronales, que luego
explicaré. Ahora nos concentraremos en el funcionamiento
básico. Las redes neuronales están inspiradas en el sistema
nervioso animal.
COMPOSICIÓN DE UNA RED NEURONAL
En las redes tendremos dos componentes base:
Neuronas
Interconexiones
13
INVESTIGACIÓN
[RNA]
Y las definiremos en 3 aspectos básicos:
Entrada
Capa Oculta (Yo le digo de procesamiento)
Salida
El primer aspecto, la entrada, es nuestro punto de partida
inicial. La información que debemos analizar para luego
procesar. Ejemplo: Este tipo, ¿Que otros tipos tendrán
información similar para recomendar? Ergo, tenemos la
diferente información o de entrada que podemos generar a
raíz de este tipo.
14
INVESTIGACIÓN
[RNA]
Las capas ocultas son los cálculos que usaremos para la
estimación de la valoración de una entrada(s). Se les dice
ocultas porque no las ve el usuario o persona que opera.
La salida es el procesamiento final, la respuesta a nuestra
pregunta. En estos modelos, SIEMPRE es una.
Cómo usar una red neuronal
Se debe definir que factores serán los intervinientes en el
"aprendizaje" del sistema y como queremos que sean
procesados. Un ejemplo claro puede ser el uso de índices. Si
este tipo está tangueado como Inteligencia Artificial
(Lo está), entonces intervendrá como parte del proceso de
análisis en las capas ocultas. Pero también el título es
importante, por lo cual la segunda entrada participará en el
mismo nivel de procesamiento.
Podríamos armar cuantas lógicas queramos, lo importante es
entender si necesitamos "ir para adelante" o "para atrás" en
algún punto del aprendizaje. Esto es dado que existen redes
15
INVESTIGACIÓN
[RNA]
que van hacia atrás en algunas ocasiones llamadas "retro
propagación".
APRENDIZAJE Y ENTRENAMIENTO DE UNA RED NEURONAL
El sistema de una red neuronal tiene un criterio de
aprendizaje un tanto acotado ya que solo puede determinar
valores objetivos y directos a nuestros valores de entrada.
Por ello podemos emplear los siguientes criterios para su
aprendizaje:
Supervisado: Un humano le indica si el aprendizaje es
correcto (Usarlo) o incorrecto (No volver a usarlo).
No Supervisado: El sistema es capaz de auditar sus
propias conclusiones (Esquema de comprobación).
Híbridas: Una mezcla entre supervisados y no
supervisados.
16
INVESTIGACIÓN
[RNA]
APLICACIONES
Las redes neuronales artificiales (RNA) son aplicadas en
diversos ámbitos de la actividad humana. Una de sus
aplicaciones es como herramienta de análisis de información,
específicamente dentro de la Bibliometría. En este trabajo se
hace una introducción sobre las particularidades de las RNA,
específicamente las basadas en el modelo Kohonen (Mapas
auto-organizativos). Se exponen los elementos que la integran
y se vincula su principio de funcionamiento con la
Bibliometría. Se utiliza y caracteriza un software llamado
Viscovery SOMine que retoma, para su funcionamiento, el
concepto y los algoritmos de los mapas auto-organizativos. Se
17
INVESTIGACIÓN
[RNA]
ejemplifica la utilidad de las RNA, dentro de la Bibliometría, a
través de casos prácticos.
Se estima que a pesar de las limitaciones técnicas, las redes
neuronales aplicadas a la Bibliometría constituyen un campo
de investigación muy prometedor. Un ejemplo es presentado
a continuación.
La disciplina multidisciplinar de las redes neuronales es
aplicada en esta sección, donde se asume a la producción de
los documentos de patentes como indicador de la capacidad
de desarrollo industrial. El objetivo es identificar posibles