Revolución IA

La Inteligencia Artificial está llamada a protagonizar la próxima Revolución tecnológica

Inicio Sobre Revolucionia Temas Para saber más Contacto

Introducción a las redes neuronales artificiales

Fernando P.    18/09/2017

Temas:  Divulgación    Fundamentos

En anteriores artículos se ha mencionado a menudo el concepto de red neuronal artificial. Se trata de una idea no demasiado compleja pero que conviene abordar habiendo visto primero otros conceptos, que ya hemos visto aquí.

En el presente artículo vamos a introducir una idea aproximada de lo que son las redes neuronales artificiales, que vamos a abreviar como RNA. Además de la formalización de la idea base, existen muchas variantes y refinamientos, que ya se irán tratando en sucesivos artículos.

La neurona artificial
En un artículo anterior se introdujo el concepto de neurona artificial. Básicamente, se trata de una abstracción matemática de lo que viene a ser una neurona biológica.

Una neurona artificial es un dispositivo que tiene cierta capacidad de proceso de información, aunque bastante limitada. En una serie de artículos en los que presentamos un ejemplo de clasificador basado en una única neurona artificial, vimos que la capacidad de clasificación de una sóla neurona artificial se limitaba a poder definir una separabilidad lineal de los casos a clasificar.
Red neuronal artificial y biológica
Incluso con las enormes limitaciones que tiene una única neurona artificial, resulta de gran importancia porque siempre puede entrenarse usando aprendizaje supervisado para resolver el tipo de problemas en los que es competente. Una neurona artificial es sencilla pero funciona bien, como ya vimos en la serie de artículos con nuestro ejemplo sencillo de clasificador.

Redes de neuronas artificiales
Naturalmente, surge la cuestión sobre la posibilidad de combinar de alguna forma varias neuronas artificiales para construir algo que pueda ser entrenado para resolver problemas de clasificación más complejos que una simple separabilidad lineal.

¿ Podemos crear redes de neuronas artificiales para multiplicar su potencia ?

Sí, es posible construir redes de neuronas artificiales que puedan ser entrenadas para resolver problemas de clasificación complejos. Se trata de las redes neuronales artificiales o RNA.

Podemos pensar en una única neurona artificial como un dispositivo que es capaz de responder a una única pregunta de forma simple (sí o no). Cuando combinamos muchas neuronas artificiales en una red, lo que conseguimos es un dispositivo que puede responder una o varias preguntas distinguiendo muchos matices.

Desde el punto de vista de la clasificación, podemos usar una RNA para construir funciones que resuelvan nuestro problema de clasificación tal y como lo describíamos en el artículo sobre aprendizaje supervisado para clasificadores. En este contexto, una RNA vendría a ser la función  fc  que tratábamos de localizar.

Redes neuronales artificiales
No hay una única forma de construir RNA, pero hay unas cuantas ideas que son comunes a la mayoría de RNA que se pueden encontrar por ahí.

En general, una RNA es cualquier construcción que usa neuronas artificiales de forma que las salidas de unas neuronas terminan siendo entradas en otras neuronas, sin que queden entradas o salidas de neuronas sin asignar.
Red neuronal 3 capas
En el caso más común de RNA tenemos varios componentes organizados de forma secuencial denominados capas. El funcionamiento de la red comienza en la primera capa y evoluciona hasta la última, por ello se denominan redes de propagación hacia adelante.

El número de capas puede variar según la complejidad de la red, pero una red con tres capas de procesamiento es un caso bastante común, que estará organizada de la siguente forma:

Cada capa de neuronas viene a ser como un un vector columna de neuronas y cada una de sus neuronas tiene sus correspondientes pesos que se aplican a sus entradas, como ya vimos para el caso de una única neurona artificial.

De nuevo, desde el punto de vista de la clasificación, nuestra RNA constituirá una función  fc  que tendrá tantos parámetros como pesos en total haya para todas las neuronas en las capas de procesamiento de la RNA y que podrá ser entrenada usando un esquema de aprendizaje supervisado.

A pesar de que pueden tener un número muy elevado de parámetros, en la práctica, las RNA se entrenan usando conjuntos de datos inmensos que son mucho más grandes de lo que pueden memorizar con esos parámetros, con lo que el proceso de entrenamiento las obliga a producir funciones que generalizan.

Complicaciones de las redes neuronales artificiales
Aquí se ha expuesto una idea muy general sobre lo que vienen a ser las RNA. Hay varios problemas a resolver respecto a lo visto para neuronas artificiales sencillas. En especial:

El número de neuronas que puede haber en una RNA es muy elevado. Cada problema requiere de un nivel de complejidad distinto. Hemos visto que incluso con una sóla neurona se pueden construir clasificadores, pero hay problemas que pueden exigir millones de neuronas.

Existen muchas variantes sobre el ejemplo de arquitectura de red dado aquí. Cada variante requiere de estudio aparte y cada una tiene sus ventajas e inconvenientes. No existe una arquitectura de red universal que pueda ser usada para cualquier problema. Trataremos de ir estudiando las arquitecturas más comunes de RNA que se usan.


A pesar de existir gran cantidad de variaciones, la idea básica de RNA expuesta aquí suele estar en el corazón de cualquier diseño. Por último, es importante no perder de vista que una RNA siempre va a ser una función que toma unos datos de entrada y que debemos de entrenar para que produzca la salida deseada.


Para saber más:

Página de la Wikipedia sobre redes neuronales artificiales, con muchas cuestiones adicionales a lo que aquí se ha introducido.



 

Inicio Powered by NetBSD
 
HTML5
 
En general, todo el contenido de este sitio web es original, salvo referencias o enlaces a otros sitios web y citas o reproducciones expresamente presentadas como tales.

No está permitida la reproducción ni la copia del contenido de este sitio web sin el permiso expreso de la propiedad del mismo.

Este sitio web no utiliza cookies ni ningún otro mecanismo para almacenar información en los navegadores de los visitantes ni para realizar seguimiento de los mismos.

2017,2018 Revolucionia.net
Sobre Revolucionia
Temas
Para saber más
Contacto