REDES NEURONALES

Las Redes Neuronales Artificiales recibido un inters particular tecnologa para minera de datos, ofrece los medios para modelar efectiva y eficiente problemas complejos. (ANN) han como una puesto que de manera grandes y

REDES NEURONALES
Los modelos de ANN son dirigidos a partir de los datos, es decir, son capaces de encontrar relaciones (patrones) de forma inductiva por medio de los algoritmos de aprendizaje basado en los datos existentes ms que requerir la ayuda de un modelador para especificar la forma funcional y sus interacciones.

REDES NEURONALES ARTIFICIALES

Qu son? Son sistemas de procesamiento de informacin desarrollados con base en el conocimiento que tenemos de los cerebros biolgicos. Se forman con unidades de procesamiento simples llamados nodos o neuronas. Hay distintas formas de conectar a las neuronas entre si. A esta forma se les llama: arquitectura de la computadora.

REDES NEURONALES ARTIFICIALES

A cada conexin entre una neurona y otra se le asigna un peso. Cada neurona tiene una funcin de activacin que suma las seales entrantes pesadas. As, la neurona determina si lanza su propia seal o no lo hace. Los pesos son adaptados para que la neurona mejore su trabajo hasta reproducir la tarea que se le ha pedido. A esto se le llama proceso de aprendizaje.

REDES NEURONALES ARTIFICIALES

En el proceso de adaptacin de los pesos se utiliza una regla de aprendizaje. La tarea asignada a la red neuronal se plantea como objetivo: 1. la reproduccin inicial de patrones de entrenamiento. 2. una etapa de comprobacin del aprendizaje de la red y 3. la etapa de aplicacin de la red a los trabajos especficos para los cuales ha sido diseada.

REDES NEURONALES ARTIFICIALES

La propiedad ms importantes de las redes neuronales artificiales es su capacidad de aprender a partir de un conjunto de patrones de entrenamientos, es decir, es capaz de encontrar un modelo que ajuste los datos. El proceso de aprendizaje tambin conocido como entrenamiento de la red puede ser supervisado o no supervisado.

REDES NEURONALES ARTIFICIALES

El objetivo del algoritmo de aprendizaje es ajustar los pesos de la red w de manera tal que la salida generada por la ANN sea lo ms cercanamente posible a la verdadera salida dada una cierta entrada. Es decir, la red neuronal trata de encontrar un modelo al proceso desconocido que gener la salida y. Este aprendizaje se llama supervisado pues se conoce el patrn de salida el cual hace el papel de supervisor de la red.

REDES NEURONALES ARTIFICIALES

En cambio en el aprendizaje no supervisado se presenta slo un conjunto de patrones a la ANN, y el objetivo del algoritmo de aprendizaje es ajustar los pesos de la red de manera tal que la red encuentre alguna estructura o configuracin presente en los datos.