REFLEXIONES SOBRE REDES NEURONALES

 

INTRODUCCIÓN

 

Una Red Neuronal Artificial es un modelo matemático inspirado en el funcionamiento biológico de las neuronas y en la estructura del cerebro,y que es utilizada para resolver un amplio rango de problemas, caracterizadas por el manejo de una gran cantidad de datos, aplicables en diferentes áreas científicas; debido a su amplia flexibilidad  en diferentes tareas. 

En la siguiente imagen se observan a numerosas células nerviosas, las mismas están interconectadas, funcionan mediante estímulos que se asemejan a los datos de la capa de entrada y las células generan múltiples respuestas químicas y biológicas, que las comparamos a las capas de salida o resultado final

Fuente: Google imágenes.

Una  red neuronal puede ser vista como un sistema inteligente que lleva a cabo tareas de distintas formas a como lo hacen las computadoras actuales. Las redes neuronales se han explicado y comparado  a la fisiología de las neuronas mencionadas, las cuales están conectadas mediante las dendritas que transmiten los diferentes estímulos que reciben los tejidos del cuerpo humano.

CONCEPTO DE REDES NEURONALES. 

Una red neuronal artificial (RNA), es un modelo matemático, cuyo comportamiento y funciones son similares a la red de neuronas biológicas. Una red neuronal es un método de la inteligencia artificial que enseña a las computadoras a procesar datos de una manera que está inspirada en la forma en que lo hace el cerebro humano. Se trata de un tipo de proceso de machine learning llamado aprendizaje profundo, que utiliza los nodos o las neuronas interconectados en una estructura de capas que se parece al cerebro humano. Crea un sistema adaptable que las computadoras utilizan para aprender de sus errores y mejorar continuamente. De esta forma, las redes neuronales artificiales intentan resolver problemas complicados, como la realización de resúmenes de documentos o el reconocimiento de rostros, con mayor precisión. (1)

MODELO NEURONAL DE McCULLOCH-PITTS

 El primer modelo matemático de una neurona artificial, creado con el fin de llevar a cabo tareas simples, fue publicado en el año 1943 por un psiquiatra y  neuroanatomista Warren McCulloch y el matemático Walter Pitts; para demostrar su modelo neuronal, generaron sus características matemáticas: (2)

El modelo neuronal con dos entradas x e y
Los pesos sinápticos w1 y w2 correspondientes a cada entrada,
Un término aditivo b
Una función de activación f y una salida Z, como se puede apreciar en la siguiente imagen:

En otra imagen se muestra un esquema de red neuronal, que consta de datos de entrada o capas iniciales, las capas ocultas y la última capa de salida u obtención de los resultados, como se puede apreciar, cada neurona se conecta con las siguientes y se crea una red compleja de neuronas interconectadas:

Fuente: Google imágenes.

 A continuación se explica la función de cada capa de la red neuronal artificial:

Capas de entrada:

Las capas de entrada son la puerta de entrada de la información en una red neuronal. Su

 tarea es organizar y preparar los datos para que la red pueda aprender y realizar la tarea

 específica para la que fue diseñada, ya sea clasificación, regresión u otra aplicación.

Capas ocultas:

Las capas ocultas desempeñan un papel crucial en el proceso de aprendizaje de una red

 neuronal, permitiendo la representación y extracción de características complejas a partir de

 datos de entrada, lo que lleva a una mejor capacidad de generalización y predicción en

 nuevos ejemplos.

Capas de salida:

Las capas de salida desempeñan un papel crucial al proporcionar la respuesta final de la red

 neuronal en función de la tarea específica. La configuración de la capa de salida depende

 del tipo de problema que estés abordando, ya sea clasificación, regresión u otra tarea.

¿Para qué se utilizan las redes neuronales? 

Las redes neuronales están presentes en varios casos de uso en muchos sectores, como los

 siguientes:

Diagnóstico médico mediante la clasificación de imágenes médicas
 
Marketing orientado mediante el filtrado de redes sociales y el análisis de datos de comportamiento
 
Predicciones financieras mediante el procesamiento de datos históricos de instrumentos financieros
 
Previsión de la carga eléctrica y la demanda de energía
 
Proceso y control de calidad
 
Identificación de compuestos químicos y/o fármacos

 

En resumen, iniciar con el concepto de un modelo matemático para redes neuronales y su

 aprendizaje mediante la comprensión de un modelo biológico: la neurona, permite en la

 actualidad aprender a manejar datos como entrada, procesarlos y modificarlos y liberar datos

 de salida predecibles y aplicarlos en diferentes tareas de la variada gama de las ciencias en

 general. 

Bibliografía:

1.aws. (2023). aws. Obtenido de ¿Qué es una red neuronal?: https://aws.amazon.com/es/what-is/neural-network/

2.Claudio Javier Tablada, G. A. (2009). Redes neuronales artificiales. Revista de Educación Matemática.