School Work y no se que poner haha">
Redes Neuronales y Sistemas Difusos-Resumen
Redes Neuronales y Sistemas Difusos-Resumen
Redes Neuronales y Sistemas Difusos-Resumen
Neuronales Y
Sistemas
Difusos
Carlos Espinosa Herrera
INGENIERIA MECATRONICA
Resumen- Capitulo 1
Introduccion
Los mtodos matemticos de las neuronas difusas emplean relaciones difusas
adaptativas y operadores en la sinapsis, esto para convertir las entradas externas
en salidas sinpticas.
Si remontamos a pocas histricas, donde los intentos resultaban prematuros en
relacin a la tecnologa disponible, podemos considerar que el camino hacia la
construccin de maquinas inteligentes comienza en la segunda guerra mundial,
con el diseo de ordenadores analgicos ideados para controlar caones
antiareos o para navegacin. De este modo, combinando las nuevas teoras
sobre la realimentacin, los avances de la electrnica de la posguerra y los
conocimientos disponibles sobre los sistemas nerviosos de los seres vivos, se
contruyeron maquinas capaces de responder y de aparender como los animales.
Norbert Wiener acuo el termino ciberntica para designar este estudio unificado
de control y de la comunicacin en los animales y las maquinas.
A la par de los ordenadores analgicos y la ciberntica se inicia el desarrollo de los
ordenadores digitales tal y como conocemos hy en dia, basados en la separacin
de estructura y funcin, corriente que en adelante denominaremos Computacion
Algoritmica.
La computacin algortmica se basa por lo tanto, en resolver cada problema
mediante un algoritmo, que se codifica en forma de programa y se almacena en
memoria; el programa secuencial es ejecutado en una maquina secuecial.
Los sistemas borrosos pueden describirse como un tipo de lgica multivaluada
que permite manejar estos conceptos borrosos o difusos tipics del mundo real y
que emula el tipo de razonamiento que los seres humanos realizamos con ellos
haciendo uso de sentencias como SI habitacin esta muy fra Entonces pon la
calefaccin al mximo. Podemos decir que mientras las redes neuroales emulan el
hardware del cerebro, los sistemas borrosos se ocupan del lado mas software.
En definitiva, hoy en dia vuelven a coexistir dos corrientes importantes dentro de la
bsqueda de la inteligentia que son, mas que alternativas, complementarias. Por
una parte la IA convencional, basada en algoritmos manipuladores de informacin
simbolica, que se ejecutan sobre los ordenadores Von Neumann, que operan
sobre la base de la lgica digital. Por otra parte, suelen agruparse las redes
neuronales, los sitemas borrosos y otras tcnicas, que se incluyen en lo que se ha
dado en denominar Inteligencia Computacional o Soft Computing, que en cierta
medida imitan las construcciones desarrolladas por la naturaleza. Asi como el
termino ABC de la inteligencia pueden contemplarse sus tres facetas: artificial,
biolgica
y
computacional.
MICROPROCESADORES,
CEREBRO.
COMPUTADORES
Cerebro
10^-2seg(100hz)
paralelo
10^11-10^14
10.000 por procesador
distribuido
Computador
10^-9seg (1000Mhz)
Secuencial
pocos
Pocas
Direcciones fijas
amplia
Auto-organizado
nula
Centralizado
Redes Neuronales
Enfoque ascendente
Basado en la biologia
Como lo hace el cerebro
Generalizacion a partir de ejemplos
Sistemas entrenados
Reconocimiento de patrones, gestalt
Arquitecturas paralelas, distribuidas,
adaptivas. Autoorganizacion
Sistemas Borrosos
Sistema inteligente que, a partir de un conjunto de funciones de pertenencia
definidas en determinado universo de discurso y determinadas reglas definidas por
un experto realiza una inferencia a partir de valores de las variables de entrada Si
A
es
BAJA
y
B
es
ALTA
Entonces
C(A,B)
es
MEDIO.
En definitiva, la lgica borrosa razona a partir de estos trminos lingsticos
borrosos, haciendo uso de sentencas del tipo SI/ENTONCES, como por ejemplo,
3
MARCO TEORICO.
(un poco de historia)
Cerebro y computador
Las redes neuronales no dejan de ser computadoras, mquinas que procesan
datos. No obstante las diferencias entre una red neuronal artificial y una
computadora convencional son elevadas. Obviamente, tambin existen grandes
diferencias entre las redes neuronales artificiales y las de los humanos. A
continuacin realizaremos un anlisis comparativo, para que simplificar la
comprensin, cuando hablemos de cerebro artificial lo llamaremos computadora.
En primer lugar, el cerebro humano es capaz de tratar gran cantidad de datos en
poco tiempo pero no necesariamente con exactitud. Por su parte, la computadora
ser capaz de procesar informacin mucho ms concreta y siempre seguir unas
instrucciones dadas.
Por otro lado, si nos fijamos en los impulsos nerviosos, en el caso del humano
stos pueden variar pero, la computadora, al ser mecnica y automtica, tiene una
frecuencia inalterable de transmisin y est dirigida por el reloj interno de la
mquina.
En tercer lugar, en cuanto al almacenaje, el cerebro humano guarda la memoria
pero no se sabe dnde quedar almacenada, dado su carcter asociativo. En
cambio, en la computadora la informacin se guarda en posiciones de memoria de
acceso directo por su direccin.
Un punto a favor de las computadoras que, en eso, superan al cerebro humano,
es el de la velocidad. De este modo, en el cerebro, los impulsos fluyen a unos 30
metros por segundo frente a la computadora, donde los impulsos fluyen a la
velocidad de la luz.
Por otro lado, en el anlisis comparativo debemos destacar tambin similitudes
importantes. As hay que destacar que, tanto en cerebro como la computadora
codifican la informacin en impulsos digitales, ambos tienen compuertas lgicas,
en ambos casos existen diferentes tipos de memoria y ambos tienen
aproximadamente el mismo consumo de energa.
Los tres conceptos clave de los sistemas nerviosos, que se pretende emular en los
artificiales son: paralelismo de calculo, memoria distribuida y adaptibilidad, al
entorno. De esta manera, podemos hablar de las redes neuronales como sistemas
paralelos, distribuidos y adaptivos.
UN SISTEMAS NEURONAL O CONEXIONISTA, esta compuesto por los
siguientes elementos:
Un conjunto de procesadores elementales o neuronas artificiales
Un patrn de conectividad o arquitectura
Una dinmica de activaciones
Una regla o dinmica de aprendizaje
El entorno donde opera
Se denomira procesador elementao o neurona a un dispositivo simple de calculo
que, apartir de un vector de entrada procedente del exterior o de otras neuronas,
proporciona una nica respuesta o salida. Los elementos que constituyen a la
neurona de etiqueta i son los siguientes
Conjunto de entradas, xj(t)
Peros sinpticos de la neurona i,wij que representan la intensidad de
interaccion entre cada neurona presinaptica j y la neurona postsinaptica i
Regla de propagacin , que proporciona el valor del potencial postsinaptico
de la neurona en funcin de sus pesos y entradas
Funcion de activacin que proporciona el estado de activacin actual de la
neurona i, en funcin de su estado anterior y de su potencial postsinaptico
actual
Funcion de salida que proporciona la salida actial de la neurona i en funcin
de su estado de activacin
De este modo, la operacin de la neurona i puede expresarse como:
y i ( t )=F i (f i [ ai ( t1 ) , i ( w ij , x j ( t ) ) ] )
wijxji
j
COMPUTABILIDAD NEURONAL
En abu-mostafa se discute sobre las caractersticas computacionlaes de los ANS,
demostrndose en particular que, al igual que los computadores digitales
convencionales, las redes neuronales son formalmente capaces de resolver
cualquier problema computacional. Una forma sencilla de verlo es la siguiente.
Una red neuronal es capaz de implementar cualquier funcin booleana, pues
hasta recordar la neugora realiza la funcin lgica NAND.
REALIZACION DE REDES NEURONALES
El modo mas habitual de realizar una red neuronal consiste en simularla en un
ordenador convencional, como un PC o una estacin de trabajo, haciendo uso de
programas escritos en lenguajes de alto nivel, como C o Pascal. Aunque de esta
manera se pierde su capacidad de calculo en paralelo, las presentaciones que
ofrecen los ordenadores actuales resultan suficientes para resolver numerosos
11
12
CONCLUSION
Las Redes Neuronales Artificiales basadas en los sistemas nerviosos biolgicos
reproducen al menos el funcionamiento del cerebro humano, sea en hardware o
software, El aprendizaje de sistemas neuronales directas tiene un proceso
mediante el empleo del algoritmo de retropropagacin (backpropagation),
realizando el ajuste de pesos entre las capas de la red. La construccin de las
redes neuronales artificiales hace uso de metodologas de desarrollo de software.
Las redes neuronales artificiales tienen un amplio campo de aplicaciones donde se
requiera la solucin a problemas, desde actividades de investigacin hasta
aplicaciones comerciales e industriales.
En resumen parece see que las tareas que peor llevan a cano nuestros actuales
computadores y robots son precisamente aquellas que mas fciles resultan a los
organismos biolgicos. Asi, aunque es relativamente sencillo conseguir que los
operadores resuelvan complejos problemas aritmticos o jueguen al ajedrez,
resulta sumamente difcil dotarles de la capacidad perceptiva y movilidad de una
simple rana
BIBLIOGRAFIA
Redes Neuronales y Sistemas Borrosos
3Edicio Alfaomega
Bonifacio Martin Del Brio y Alfredo Sanz Molina
13