REDES NEURONALES

1
REDES NEURONALES

• Amparo Cruz Gallego
• Isabel Cristina Franco
• Jimmy Alberto Ortega
• Universidad Autonoma del Cauca
• INTELIGENCIA ARTIFICIAL

2
A qué llamamos inteligencia artificial?
Es un campo de estudio que intenta conseguir que
un ordenador realice funciones similares a las
del cerebro humano
Sumar Almacenar datos Jugar
Resolver problemas
Aprender Reconocer
3
De qué forma podemos imitar a nuestro cerebro?

• Podemos programar (copiar) la forma en que
  actúa
• Redes neuronales
• ....
• Podemos programar (copiar) la lógica que sigue
• Sistemas expertos
• Lógica difusa
• Métodos estadísticos
• ....

• Podemos programar las reglas de la genética
• Algoritmos genéticos

4
Redes neuronales
5
Redes Neuronales
Una red neuronal es un procesador
masivamente paralelo distribuido que es propenso
por naturaleza a almacenar conocimiento
experimental y hacerlo disponible para su uso.
Este mecanismo se parece al cerebro en dos
aspectos El conocimiento es adquirido por la
red a través de un proceso que se denomina
aprendizaje. 2) El conocimiento se almacena
mediante la modificación de la fuerza o peso
sináptico de las distintas uniones entre
neuronas. Haykin (1994).
6
Cómo son otros sistemas nerviosos?

• Tienen
• Neuronas
• Núcleo central
• (cerebro)

Son muy parecidos
7
La neurona

• Neurona
• Dendritas
• Axón
• ....

Qué hace una neurona?
8
(No Transcript)
9
Transmite corriente eléctrica transportando
iones (Calcio)!
Una neurona puede colaborar en la activación de
otra neuronas inhibir la activación de otras
neuronas
Nuestro cerébro tiene 1.000.000.000.000 de
neuronas. Cada neurona puede tener miles de
conexiones. Cada minuto mueren unas 10.000
neuronas!
10
Cerebro Vs Computadora
11
Simulación
Si el voltaje supera un umbral, la neurona se
dispara
12
Funcionalidad de las neuronas

• Forman redes neuronales
• Se establecen circuitos de corriente eléctrica
  entre ellas
• Mueren constantemente y no se reproducen
• Un neurona se dispara en función del voltaje
• producido por la carga que le llega
• Las sinápsis pueden fortalecerse o debilitarse

13
Redes neuronales artificiales
14
Intentemos imitar la estructura de una neurona

Realidad Ficción
15
y su funcionalidad
pesos entrada

i
umbral
activación
pesos salida
16
podemos imitar la estructura de una red neuronal
Sí1 No 0 Sí1
activación
4 2 -2
1.5 umbral
?
? 4 2 2 mayor que umbral
activaciónsí
17
Podemos imitar las funciones del cerebro?

• Puede una red neuronal
• reconocer caras?
• hablar?
• predecir las ventas de mañana?
• clasificar clientes?
• aprender?

18
TODO se reduce a un flujo de información
estímulo
respuesta
19
Neurona Artificial
20
Qué controla el flujo de información?
las sinápsis pesos
los umbrales
y la arquitectura !!!!
21
Ventajas de RNA.

• Poder de aprender, muy buena Generalización
• Predicen valores Reales y Discretos.
• Implementación Programas de simulación y
  físicamente en Hardware.
• Grandes grupos de neuronas asumen
• funciones muy especializadas.

22
Desventajas de RNA

• Dificultad en la estimación de los parámetros
  adecuados de la RN.
• Número de capas
• Número de neuronas por capa
• Función de Activación, etc.
• Elección de codificación para atributos
  categóricos.
• Modelo de Clasificación incomprensible.

23
Hemos aprendido a aprender!
En el año 1985 se ideó un método para encontrar
los pesos y los umbrales que resuelven una tarea
específica a partir de ejemplos.
Ya no es necesario entender cómo se resuelve
un problema podemos entrenar una red neuronal
artificial con ejemplos.
24
T o C ?
T
C
T
C
T
c
T
C

• Entrenamiento
• 0. Iniciamos pesos al azar
• Entramos en la red un
• ejemplo
• Salida activada T
• refuerzo los pesos
• Salida no activada C
• debilito los pesos
• 3. Vuelvo a empezar

T
La red aprende a reconocer T / C
Si eliminamos una neurona la red sigue funcionando
25
Aplicaciones de
Redes neuronales artificiales
Créditos Seguros
Logística Control
Optimización Bolsa Data Mining
26
Ejemplo tarjetas de crédito
Un banco desea ofrecer una nueva tarjeta a sus
500.000 clientes. Desea hacer una campaña exitosa
pero barata.
Domiciliación nómina Edad Sexo
Tarjetas Préstamos Nivel cultural ...

• Presentamos una oferta
• a 50.000 clientes
• Entrenamos una red con
• la respuesta a la oferta
• Predecimos la respuesta
• del los 450.000 restantes

Red neuronal
Sí / No
27
Funciona?
28
Ejemplo reconocimiento de imágenes
Una red neuronal ha sido entrenada para
reconocer aviones militares. La red detecta que
hay un avión militar escondido bajo el ala de
otro avión de pasajeros
Belgrado 19/04/1999
29
Las redes neuronales son útiles en muchos
problemas

• Predicción
• enfermedades coronarias
• ventas

• Clasificación
• clientes de un banco
• economía

• Interpolación
• control de producción
• reconocimiento

(Son aproximantes universales que
implementan Inferencia bayesiana)
30
Conclusión
La inteligencia artificial permite
tratar problemas de enorme complejidad. Estamos
viviendo una revolución entramos en la era
de información. Técnicas aún más refinadas se
harán necesarias para manipular ingentes masas de
datos con ordenadores (cuánticos?) de potencia
insospechada.