ARTCULO CIENTFICO

SCIENTIFIC ARTICLE

Redes Neurales Artificiales RNA

REDES NEURALES ARTIFICIALES

(INTELIGENCIA ARTIFICIAL)
CIENTIFICO Y TECNOLGICO

1. Facultad de Ingeniera De Sistemas, Universidad De Cartagena, Cartagena, Colombia.

ABSTRACT
The primary and main objective of this scientific article was to collect and analyze existing information on
artificial neural networks, taking into account all aspects related to the structure, training and mathematical
formulation of different algorithms. It is necessary to emphasize the significance and importance that neural
networks are gaining today as evidenced by the fact of being part of the core studies of government
institutions worldwide, so the main intention is to deepen this new technology; the fundamental purpose of
systems based on neural networks is to maintain centralized control of various functions, applying learning
mechanisms that mimic the behavior of human beings to achieve autonomy and efficiency that characterizes
them. To understand the operation of artificial neural networks need to study the biological functioning of the
human brain, as this is the basis of different mathematical models that attempt to simulate the characteristics
of human intelligence features.
(Key words: scientific article, artificial neurons,
technology).

RESUMEN
El objetivo fundamental y principal de este artculo cientfico fue recopilar y analizar la informacin
existente sobre las redes neuronales artificiales, contemplando todos los aspectos relacionados con la
estructura, entrenamiento y formulacin matemticos de los diferentes algoritmos. Es necesario resaltar la
significacin e importancia que las redes neuronales estn adquiriendo en la actualidad como lo evidencia el
hecho de formar parte de los estudios centrales de instituciones gubernamentales a nivel mundial, as que la
intencin principal es profundizar en esta nueva tecnologa; el propsito fundamental de los sistemas basados
en redes neuronales es mantener un control centralizado de varias funciones, aplicando mecanismos de
aprendizaje que imiten el comportamiento de los seres humanos para lograr la autonoma y eficiencia que los
caracteriza. Para comprender el funcionamiento de las redes neuronales artificiales se necesita estudiar el
funcionamiento biolgico del cerebro humano, ya que este es la base de los diferentes modelos matemticos
que tratan de simular las caractersticas propias de la inteligencia humana.
(Palabras clave: artculo cientfico, neuronas artificiales, tecnologa).

Artculo Cientfico.
Tc. Investigacin.
Mariana de Jess P.
E-mail: Marianapamer@gmail.com

70 Inteligencia Artificial

Universidad De Cartagena 70

Redes Neurales Artificiales RNA

Introduccin

Este artculo que trata sobre las RNA o

Redes Neuronales Artificiales, explicar el
tema con ms puntualidad y profundidad
como resultado de la investigacin previa;
Para comprender el funcionamiento de las
redes neuronales artificiales se necesita
estudiar el funcionamiento biolgico del
cerebro humano, ya que este es la base de
los diferentes modelos matemticos que
tratan de simular las caractersticas propias
de la inteligencia humana. En este
documento explica detalladamente el
paralelo entre neurona biolgica y neurona
artificial a nivel de estructura,
funcionamiento y modo de aprendizaje
para luego llevar al lector hacia el concepto
de red neuronal artificial, dado que se
realiza un breve recorrido de su historia y
aportes en la inteligencia artificial,
destacando las reas donde se han aplicado,
los trabajos y autores ms importantes,
realizando un anlisis de las caractersticas
y ventajas que ofrece esta tecnologa con
respecto a los mtodos convencionales y a
otras tcnicas de inteligencia artificial.
Inteligencia Artificial
Es una rama de la ciencia de la
computacin que permite a las mquinas
extraer y automatizar el comportamiento de
los seres inteligentes, mediante la
implementacin de algoritmos
matemticos. La inteligencia artificial a
travs de mdulos computacionales puede
ser aplicada en procesos tales como: la
percepcin, comprensin del lenguaje
natural, aprendizaje, juegos, demostracin
de teoremas, sistemas expertos, robtica y
en la solucin de problemas en general.
La simulacin que se hace en IA ha
intentado reproducir algunas de las
caractersticas inteligentes de los seres
humanos. Estas reproducciones han
buscado abiertamente la similitud entre una
computadora y los seres humanos. La
71 Inteligencia Artificial

elaboracin de simulaciones ha sugerido la

posibilidad de explorar los procesos
cognoscitivos humanos, sin embargo los
esfuerzos en esta lnea, a diferencia del
modelamiento, han estado dedicados a
producir comportamiento humano
inteligente en las computadoras ms que a
entenderlo o explicarlo.
Un poco de historia

Los primeros pasos de la inteligencia

artificial datan del 3.000 antes de cristo,
con la creacin de un sistema lgico para
diagnstico de enfermedades. En 1651 un
libro de Hobbes habla del futuro uso de las
mquinas en el desarrollo de una
inteligencia ms poderosa poco antes de
que Pascal inventase la primera
calculadora. Las primeras explicaciones
tericas sobre el cerebro y el pensamiento
fueron dadas por algunos filsofos griegos,
como Platn y Aristteles, quienes fueron
apoyados despus por Descartes y filsofos
empiristas.
Alan Turing, en 1936, fue el primero en
estudiar el cerebro como una forma de ver
el mundo de la computacin, pero quienes
primero concibieron algunos fundamentos
de la computacin neuronal fueron Warren
McCulloch y Walter Pitts, despus otras
teoras iniciales fueron expuestas por
Donald Hebb. Pero solo hasta 1957 Frank
Rosenblatt comenz el desarrollo del
Perceptrn, la red neuronal ms antigua de
la que me encargar posteriormente.
Ms adelante apareci el modelo
ADALINE, desarrollado por Bernard
Widrow y Marcial Hoff.
Stephen Grossberg realiz Avalancha en
1967, hasta 1982 el crecimiento se fren
pero surgieron luego investigaciones sobre
redes como la de Marvin Minsky y
Seymour Papert, despes James Anderson
desarrollo el Asociado Lineal, en Japn
Kunihiko Fukushimika y Teuvo Kohonen
que se centraron en redes neuronales para el
reconocimiento de patrones; en USA John

Universidad De Cartagena 71

Redes Neurales Artificiales RNA

Hopfield tambin realiz importantes

investigaciones.
Desde 1985 comenzaron a consolidarse los
congresos ms importantes como Neuronal
Networks for Computing, la Neural
Information Processing Systems, entre
algunas otras.
Actualmente, son numerosos los trabajos
que se realizan y publican. Revistas como
Neural Networks, Transactions on Neural
Networks, entre otros, son las encargadas
de la publicacin de los ltimos avances.
El Departamento de Defensa de los
Estados Unidos, la Sociedad Europea de
Redes Neuronales son algunos de los
ejemplos del resurgir de la investigacin
sobre redes neuronales.

ms larga denominada axn. Las dendritas

se ramifican tejiendo una tupida red
alrededor de la clula, mientras el axn se
extiende generalmente un centmetro y en
algunos casos hasta un metro. Este tambin
se ramifica en filamentos y subfilamentos
mediante los que establece conexin con
las dendritas y los cuerpos de las clulas de
otras neuronas. A esta conexin se la
conoce con el nombre de sinapsis. Cada
neurona puede establecer conexin desde
con una docena de neuronas hasta con
cientos de miles.

Generalidades
Para que comprendas esta temtico se dar
a conocer primeramente el significado y
como se componen, empezando
principalmente por conceptos naturales o
propios respectivamente.
La neurona biolgica
La neurona es el bloque fundamental de
construccin del sistema nervioso, capaz
de recibir y transmitir informacin, es una
clula similar a otras clulas del cuerpo
humano con ciertas especializaciones
(figura 1). Todas las neuronas estn
constituidas por las mismas partes bsicas,
as como las mismas subdivisiones
anatmicas independientemente del tamao
y forma de la misma. Se estima que en
cada milmetro del cerebro hay cerca de
50.000 neuronas, conteniendo en total ms
de cien mil millones de neuronas y sinapsis
en el sistema nervioso humano.
Segn los trabajos en investigacin y
ciencia realizados por el espaol Ramn y
Cajal, la neurona no es una masa continua
sino una red de unidades discretas. La
neurona est formada por el cuerpo de la
clula o soma, en donde se aloja el ncleo
de la clula. Del cuerpo de la clula salen
ramificaciones de diversas fibras conocidas
como dendritas y sale tambin una fibra
72 Inteligencia Artificial

Figura 1. Neurona Biolgica

La neurona artificial
Es la que intenta mimetizar las
caractersticas ms importantes de la
neurona biolgica, siendo esta el elemento
bsico de procesamiento de la red neuronal
artificial (figura 2). El funcionamiento de
una neurona artificial, bsicamente consiste
en aplicar un conjunto de entradas, cada
una representando la salida de otra neurona,
o una entrada del medio externo, realizar
una suma ponderada con estos valores, y
"filtrar" este valor a travs de una funcin
matemtica llamada funcin de activacin.

Figura 2. Neurona Artificial

El cuerpo de la neurona es a menudo

representado por la suma ponderada de las
entradas, seguida por una funcin lineal o
Universidad De Cartagena 72

Redes Neurales Artificiales RNA

no lineal, llamada funcin de activacin

que usa los valores de entrada para
determinar la actividad de la neurona. La
eficiencia sinptica es representada por los
"pesos de interconexin". La Sinapsis o
pesos de interconexin representan la
fuerza de interconexin entre las neuronas,
y pueden ser positivos (ex citatorios) o
negativos (inhibitorios); adems pueden ser
fijos o adaptables. Un sumador el cual
produce la suma ponderada de las entradas
de acuerdo a los correspondientes pesos de
las conexiones. Y la Funcin de
activacin o de transferencia tiene como
misin limitar la amplitud de la salida
generada por la neurona.
Ahora que se les ha explicado los
conceptos y cada uno de los componentes
de la neurona biolgica y artificial
respectivamente se continuara con la
investigacin acerca de todos estos pilares
temticos de la RNA.
Las redes neuronales son un modelo para
encontrar esa combinacin de parmetros
y aplicarla al mismo tiempo. En el
lenguaje propio, encontrar la combinacin
que mejor se ajusta es "entrenar" la red
neuronal. Una red ya entrenada se puede
usar luego para hacer predicciones o
clasificaciones, es decir, para "aplicar" la
combinacin.
Las Redes Neuronales Artificiales (RNA)
imitan su funcionamiento a aquellas que se
encuentran en el mbito biolgico. Son
aptas para resolver problemas que no
poseen un algoritmo claramente definido
para transformar una entrada en una salida;
aprenden, reconocen y aplican relaciones
entre objetos (figura 3). Se emplea
normalmente un conjunto de ejemplos
representativos de la transformacin
deseada para "entrenar" el sistema, que, a
su vez, se adapta para producir las salidas

73 Inteligencia Artificial

deseadas cuando se lo evala con las

entradas "aprendidas".
Adems se producirn respuestas cuando,
en la utilizacin, se presenten entradas
totalmente nuevas para sistema, esto es
durante el modo entrenamiento la
informacin sobre el sistema a resolver es
almacenada dentro del RNA y la red utiliza
su modo productivo en ejecutar
transformaciones y aprender.

Figura 3.

De este modo el sistema de red neuronal no

reside necesariamente en la elegancia de la
solucin particular sino en su generalidad
de hallar solucin a problemas particulares,
habindose proporcionado ejemplos del
comportamiento deseado. Esto permite la
evolucin de los sistemas autmatas sin una
reprogramacin explcita.
Las redes neuronales artificiales se basan
en el circuito de procesamiento de entradas
en el cual los pesos son sumados. Las
funciones de peso sern llamadas desde
ahora como atenuadores. En la
implementacin, las entradas a una neurona
son pesadas multiplicando el valor de la
entrada por un factor que es menor o igual a
uno. El valor de los factores de peso es
determinado por el algoritmo de
aprendizaje. Las entradas atenuadas son
sumadas usando una funcin no lineal
llamada funcin "Sigmoid". Si la salida de
la funcin suma excede el valor de entrada
mximo de la neurona, esta responde
generando una salida.
Universidad De Cartagena 73

Redes Neurales Artificiales RNA

Aplicaciones
En la figura 4 podemos ver un modelo en
capas de una red neuronal artificial, que
consiste de un conjunto de neuronas.
Cada neurona tiene varias entradas y su
salida est conectada a un conjunto de
otros procesadores de entradas.
Cuando una ANN funciona en modo
normal, a partir de los datos presentados en
la entrada, se genera un patrn especfico
de salida. La relacin Entrada/Salida ser
determinada durante el modo
entrenamiento, entonces cuando una
entrada conocida es presentada da la salida
esperada.
las redes neuronales permiten buscar la
combinacin de parmetros que mejor se
ajusta a un determinado problema.
El algoritmo de entrenamiento ajusta los
pesos de las entradas hasta que se alcanza
la salida esperada.

Las redes neuronales son una tecnologa

computacional emergente que puede
utilizarse en un gran nmero y variedad de
aplicaciones, tanto como comerciales como
militares. Hay muchos tipos diferentes de
redes neuronales, cada uno de los cuales
tiene un aplicacin particular ms
apropiada. Separndolas segn las distintas
disciplinas algunos ejemplos de sus
aplicaciones son:
Biologa:
Aprender ms acerca del cerebro y
otros sistemas.
Obtencin de modelos de la retina.
Empresa:
Reconocimiento de caracteres
escritos.
Identificacin de candidatos para
posiciones especficas.
Optimizacin de plazas y horarios
en lneas de vuelo.
Explotacin de bases de datos.
Evaluacin de probabilidad de
formaciones geolgicas y
petrolferas.
Sntesis de voz desde texto.
Medio Ambiente

Figura 4.

Las neuronas en la figura 4 tienen una leve

complejidad computacional, porque solo se
comunican con las neuronas ms cercanas
conectndose de forma simple. Por las
caractersticas y capacidades que ofrece la
tecnologa VLSI es posible (en costos)
construir una Red Neuronal con muchos
procesadores.

74 Inteligencia Artificial

Analizar tendencias y patrones.

Previsin del tiempo.
Finanzas:
Previsin de la evolucin de los
precios.
Valoracin del riesgo de los
crditos.
Identificacin de falsificaciones.
Universidad De Cartagena 74

Redes Neurales Artificiales RNA

Interpretacin de firmas.
Manufacturacin:
Robots automatizados y sistemas de
control (visin artificial y sensores
de presin, temperatura, gas, etc.)
Control de produccin en lneas de
proceso.
Inspeccin de calidad.
Filtrado de seales.
Medicina:
Analizadores del habla para la
ayuda de audicin de sordos
profundos.
Diagnstico y tratamiento a partir
de sntomas y/o de datos analticos
(encefalograma, etc.).
Monitorizacin en ciruga:
Prediccin de reacciones adversas a
los medicamentos.
Lectoras de Rayos X.
Entendimiento de causa de ataques
epilpticos.
Militares:
Clasificacin de las seales de
radar.
Creacin de armas inteligentes.
Optimizacin del uso de recursos
escasos.
Avances realizados
ltimamente las redes neuronales estn
volviendo a la actualidad por los logros que
estn consiguiendo. Por ejemplo, Google
ha, logrado derrotar a su propio
reCAPTCHA con redes neuronales, en
Stanford han conseguido generar pies de
75 Inteligencia Artificial

fotos automticamente. Metas bastante

impresionantes y que cada vez se acercan
ms a esa idea original de reproducir el
funcionamiento del cerebro humano en un
ordenador.
Ahora bien, en qu consisten estos
modelos? Cmo puede imitar un
ordenador el proceso de aprendizaje y
acabar desarrollando una "cosa" que
funciona?
En los ltimos aos se han conseguido
grandes avances gracias a la mejora de los
ordenadores y al uso de GPUs para este
tipo de computaciones. Los pies de foto
generados por ordenador gracias a una red
neuronal de convolucin (para el
reconocimiento de imagen) junto con una
red neuronal recurrente para formar las
frases. Los investigadores de
Stanford usaron tarjetas GPU para poder
entrenar y ejecutar este tipo de redes
neuronales en un tiempo razonable. Algo
parecido mont Google con Street View:
una red neuronal convolucional que
lograba una precisin en las imgenes que
toman sus coches. Los de Mountain View
estn bastante enamorados de las redes
neuronales, de hecho: tambin las
usaron para mejorar el reconocimiento de
voz de Android o para ahorrar.
Conclusiones

Se concluye con la anterior investigacin

que las Redes Neuronales Artificiales
constituyen un modelo computacional
inspirado en ciertas caractersticas de las
redes neuronales biolgicas, y permiten
resolver diversos problemas de la vida real.
Por ejemplo, la lectura de caracteres
manuscritos en dispositivos como
palmtops, la bsqueda de informacin en la
web, la recuperacin de imgenes en

Universidad De Cartagena 75

Redes Neurales Artificiales RNA

Internet, en museos, y en grandes bases de

datos en general, el reconocimiento
musical. Esta investigacin profundiza
sobre los algoritmos de: Perceptrn,
propagacin inversa, Hopfield, Kohonen,
memorias asociativas y algoritmos
genticos haciendo nfasis en las frmulas
matemticas que dan soporte a cada uno de
ellos. Es necesario resaltar la significacin
e importancia que las redes neuronales
estn adquiriendo en la actualidad como lo
evidencia el hecho de formar parte de los
estudios centrales de instituciones
gubernamentales a nivel mundial. As que
la intencin principal es profundizar en
esta nueva tecnologa, aprovechando el
hecho de que ser est una materia en
cursos posteriores en el transcurso de mi
carrera, para as lograr un alto grado de
aprendizaje y con l la implementacin
practica de alguna red neuronal.

Referencias bibliogrficas
1. "REDES NEURONALES
ARTIFICIALES", Jos R. Hilera y
Vctor J Martnez. 2000. Alfa
omega. Madrid. Espaa
2. "DIGITAL NEURAL
NETWORKS", S. Y. Kung, 1993.
PTR Prentice Hall, Inc.
3. Redes Neuronales con Matlab,
PDF Gustavo Meschino 2006, Pg.
1

76 Inteligencia Artificial

Universidad De Cartagena 76

Redes Neurales Artificiales RNA

Tcnicas de investigacin

Presentado por:
Mariana Palencia Merlano

Programa:
Ingeniera de Sistema

Tutor:
Lorenzo Fuentes Berrio

Grupo:
D1

77 Inteligencia Artificial

Universidad De Cartagena 77