Documente Academic
Documente Profesional
Documente Cultură
vez
que
se
definen
las
relaciones
difusas,
es
posible
el
incluir
los
aspectos
difusos
en
las
sentencias
SQL,
como
condiciones
difusas,
comparadores
difusos,
constantes
difusas,
del
modelo
relacional
con
la
teora
de
conjuntos
informacin no difusa)
-
difusa o flexible.
5.Cules son las caractersticas principales de la evolucin del aprendizaje con las
redes neuronales artificiales?
El aprendizaje es el proceso por el cual una red neuronal modifica sus
pesos en respuesta a una informacin de entrada. Los cambios que se
producen durante el proceso de aprendizaje se reducen a la
destruccin, modificacin y creacin de conexiones entre las neuronas,
la creacin de una nueva conexin implica que el peso de la misma pasa
a tener un valor distinto de cero, una conexin se destruye cuando su
peso pasa a ser cero. Se puede afirmar que el proceso de aprendizaje
ha finalizado (la red ha aprendido) cuando los valores de los pesos
permanecen estables (dwij / dt = 0).
Un criterio para diferenciar las reglas de aprendizaje se basa en
considerar si la red puede aprender durante su funcionamiento
habitual, o si el aprendizaje supone la desconexin de la red.
Otro criterio suele considerar dos tipos de reglas de aprendizaje: las
de aprendizaje supervisado y las correspondientes a un aprendizaje no
supervisado, estas reglas dan pie a una de las clasificaciones que se
realizan de las RNA: Redes neuronales con aprendizaje supervisado y
redes neuronales con aprendizaje no supervisado. La diferencia
fundamental entre ambos tipos estriba en la existencia o no de un
agente externo (supervisor) que controle el aprendizaje de la red.
Redes con Aprendizaje Supervisado. El proceso de aprendizaje se
realiza mediante un entrenamiento controlado por un agente externo
(supervisor, maestro) que determina la respuesta que debera generar
la red a partir de una entrada determinada. El supervisor comprueba la
salida de la red y en el caso de que sta no coincida con la deseada,
se proceder a modificar los pesos de las conexiones, con el fin de
conseguir que la salida se aproxime a la deseada.
Se consideran tres formas de llevar a cabo este tipo de aprendizaje:
Aprendizaje por correccin de error: Consiste en ajustar los pesos en
fucin de la diferencia entre los valores deseados y los obtenidos en
la salida de la red; es decir, en funcin del error.
Aprendizaje por refuerzo: Se basa en la idea de no indicar durante el
entrenamiento exactamente la salida que se desea que proporcione la
red ante una determinada entrada. La funcin del supervisor se reduce