Necesidad de utilizar estrategias presentes en la naturaleza para resolver (cierto tipo de) problemas complejos. Millones de años de evolución han llevado a que los sistemas biológicos posean características y mecanismos de procesamiento que los diferencian radicalmente de los computadores tradicionales (arquitectura Von Neumann).
En la siguiente tabla se comparan ambos tipos de sistemas:
Los Sistemas Inteligentes permiten implementar algunas características y mecanismos de procesamiento de los sistemas biológicos. Entre los sistemas inteligentes destacan las Redes Neuronales (Redes de Neuronas Artificiales), la Lógica Difusa y la Computación Evolutiva.
Redes Neuronales
Las Redes Neuronales tratan de modelar la estructura y la forma de trabajar de las células nerviosas o neuronas. Están compuestas por unidades estructurales también conocidas como neuronas, conectadas entre sí. El modelo básico de una neurona es el siguiente:
La topología de una red neuronal estará determinada por el número de neuronas que esta tenga, por la forma en éstas estén ordenadas (en capas) y por la naturaleza de las conexiones presentes.
Típicamente las redes neuronales poseen una capa de entrada (input layer), una capa de salida (output layer), y una o varias capas ocultas intermedias (hidden layers). El flujo de la información puede ser unidireccional desde la capa de entrada hacia la capa de salida (redes feedforward) o bidireccional con retroalimentación (redes recurrentes).
Entre las principales propiedades de las redes neuronales se encuentran las siguientes:
- Capacidad de Asociación (Generalización)
- Tolerancia ante fallas
- Capacidad de Aprendizaje (Adaptabilidad)
- Seguridad ante caídas del sistema
- Procesamiento masivamente paralelo
- Representación y Procesamiento distribuido de la información
Una de las principales características de las redes neuronales es su capacidad de aprendizaje, esto se logra a través de la repetitiva presentación de ejemplos, lo cual permite adaptar los pesos sinápticos de las neuronas. Los siguientes métodos de aprendizaje son utilizados:
- Aprendizaje Supervisado (con profesor)
- Aprendizaje no Supervisado (sin profesor)
- Aprendizaje Competitivo
- Aprendizaje Reforzado (de Pavlov).
En la siguiente figura se muestra el aprendizaje supervisado:
Las redes neuronales se utilizan para resolver problemas en los cuales no existe un modelo analítico o problemas en los cuales el modelo analítico es demasiado complejo. Diferentes modelos de redes son utilizados para resolver diferentes tipos de problemas. En la siguiente tabla puede observarse algunos de los modelos más utilizados y su campo de aplicación.
No hay comentarios:
Publicar un comentario