¿Qué son las redes neuronales?

[fusion_builder_container type=»flex» hundred_percent=»no» hundred_percent_height=»no» min_height=»» hundred_percent_height_scroll=»no» align_content=»stretch» flex_align_items=»flex-start» flex_justify_content=»flex-start» flex_column_spacing=»» hundred_percent_height_center_content=»yes» equal_height_columns=»no» container_tag=»div» menu_anchor=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» status=»published» publish_date=»» class=»» id=»» link_color=»» link_hover_color=»» border_sizes=»» border_sizes_top=»» border_sizes_right=»» border_sizes_bottom=»» border_sizes_left=»» border_color=»» border_style=»solid» spacing_medium=»» margin_top_medium=»» margin_bottom_medium=»» spacing_small=»» margin_top_small=»» margin_bottom_small=»» margin_top=»» margin_bottom=»» padding_dimensions_medium=»» padding_top_medium=»» padding_right_medium=»» padding_bottom_medium=»» padding_left_medium=»» padding_dimensions_small=»» padding_top_small=»» padding_right_small=»» padding_bottom_small=»» padding_left_small=»» padding_top=»» padding_right=»» padding_bottom=»» padding_left=»» box_shadow=»no» box_shadow_vertical=»» box_shadow_horizontal=»» box_shadow_blur=»0″ box_shadow_spread=»0″ box_shadow_color=»» box_shadow_style=»» z_index=»» overflow=»» gradient_start_color=»» gradient_end_color=»» gradient_start_position=»0″ gradient_end_position=»100″ gradient_type=»linear» radial_direction=»center center» linear_angle=»180″ background_color=»» background_image=»» background_position=»center center» background_repeat=»no-repeat» fade=»no» background_parallax=»none» enable_mobile=»no» parallax_speed=»0.3″ background_blend_mode=»none» video_mp4=»» video_webm=»» video_ogv=»» video_url=»» video_aspect_ratio=»16:9″ video_loop=»yes» video_mute=»yes» video_preview_image=»» absolute=»off» absolute_devices=»small,medium,large» sticky=»off» sticky_devices=»small-visibility,medium-visibility,large-visibility» sticky_background_color=»» sticky_height=»» sticky_offset=»» sticky_transition_offset=»0″ scroll_offset=»0″ animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»» filter_hue=»0″ filter_saturation=»100″ filter_brightness=»100″ filter_contrast=»100″ filter_invert=»0″ filter_sepia=»0″ filter_opacity=»100″ filter_blur=»0″ filter_hue_hover=»0″ filter_saturation_hover=»100″ filter_brightness_hover=»100″ filter_contrast_hover=»100″ filter_invert_hover=»0″ filter_sepia_hover=»0″ filter_opacity_hover=»100″ filter_blur_hover=»0″][fusion_builder_row][fusion_builder_column type=»1_1″ layout=»1_1″ align_self=»auto» content_layout=»column» align_content=»flex-start» content_wrap=»wrap» spacing=»» center_content=»no» link=»» target=»_self» min_height=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» sticky_display=»normal,sticky» class=»» id=»» type_medium=»» type_small=»» order_medium=»0″ order_small=»0″ dimension_spacing_medium=»» dimension_spacing_small=»» dimension_spacing=»» dimension_margin_medium=»» dimension_margin_small=»» margin_top=»» margin_bottom=»» padding_medium=»» padding_small=»» padding_top=»» padding_right=»» padding_bottom=»» padding_left=»» hover_type=»none» border_sizes=»» border_color=»» border_style=»solid» border_radius=»» box_shadow=»no» dimension_box_shadow=»» box_shadow_blur=»0″ box_shadow_spread=»0″ box_shadow_color=»» box_shadow_style=»» background_type=»single» gradient_start_color=»» gradient_end_color=»» gradient_start_position=»0″ gradient_end_position=»100″ gradient_type=»linear» radial_direction=»center center» linear_angle=»180″ background_color=»» background_image=»» background_image_id=»» background_position=»left top» background_repeat=»no-repeat» background_blend_mode=»none» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»» filter_type=»regular» filter_hue=»0″ filter_saturation=»100″ filter_brightness=»100″ filter_contrast=»100″ filter_invert=»0″ filter_sepia=»0″ filter_opacity=»100″ filter_blur=»0″ filter_hue_hover=»0″ filter_saturation_hover=»100″ filter_brightness_hover=»100″ filter_contrast_hover=»100″ filter_invert_hover=»0″ filter_sepia_hover=»0″ filter_opacity_hover=»100″ filter_blur_hover=»0″ last=»true» border_position=»all» first=»true» type=»1_1″][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» content_alignment_medium=»» content_alignment_small=»» content_alignment=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» sticky_display=»normal,sticky» class=»» id=»» font_size=»» fusion_font_family_text_font=»» fusion_font_variant_text_font=»» line_height=»» letter_spacing=»» text_color=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Se puede definir como un sistema que establece una relación de entradas y salidas de datos los cuales son inspirados en el sistema nervioso humano. Estas redes se comportan como un cerebro humano en donde se puede procesar la información que recibimos de manera paralela, las cuales son capaces de aprender y generalizar situaciones a nuestro alrededor.

Este método se puede considerar como el objetivo de resolver problemas complejos con la capacidad de realizar predicciones en sistemas relacionales, los cuales no son lineales. Estas redes neuronales tratan de interactuar con los objetos que existen en el mundo real de la misma manera que lo puede hacer un ser vivo.

Una neurona artificial tiene tres componentes principales los cuales son:

Receptoras de red: son las encargadas de llevar las señales eléctricas al cuerpo de la neurona.

Cuerpo de la célula: es la encargada de sumar las señales eléctricas de entrada.

Axón: es una fibra larga que se encarga de llevar las señales desde el cuerpo de la célula hasta la neurona.

Estos componentes se encuentran interconectados y organizados en tres capas. Los datos ingresan por la “capa de entrada” (input), pasan a través de la “capa oculta” (layer 1, layer 2, layer n) y por último son procesados y arrojados por la “capa de salida” (output).

Las redes neuronales se pueden clasificar de acuerdo a los valores que arrojan, los cuales son:

Neuronas binarias: estas neuronas solo pueden tomar valores que se encuentren dentro del intervalo de (-1, 1) o (0, 1).

Neuronas reales: estas neuronas solo pueden tomar valores que se encuentren dentro del intervalo de (0, 1) o (-1, 1).

Lo anterior mencionado nos puede decir que el proceso de aprendizaje de las redes es de carácter secuencial. Se puede adquirir conocimiento a través de las experiencias ocurridas, por lo que las redes neuronales tienen dos características denominadas “ser significativo” y “ser representativo” en donde, para que haya aprendizaje, debe de existir un número significativo de ejemplos en dicho proceso.

El proceso de aprendizaje de divide en 5 grandes rubros:

Aprendizaje supervisado: se realiza un entrenamiento de la red neuronal el cual estará supervisado y controlado por el diseñador de esta. Esto es lo que se le conoce como “ser significativo”.

Aprendizaje por corrección de errores: aquí se proporciona a la red durante el entrenamiento, las entradas y salidas deseadas. La finalidad de este aprendizaje es que se obtenga una diferencia mínima entre la salida obtenida y la deseada. 

Aprendizaje por refuerzo: durante el entrenamiento no se proporciona un ejemplo completo de la salida esperada, por lo que el diseñador de la red mediante una señal de refuerzo (señal de éxito y señal de fracaso) se espera que se acerque a la señal deseada. La función principal de estas señales es indicar a la red si se acerca a los datos deseados.

Aprendizaje estocástico: aquí se realizan cambios en la forma de los pesos de la red y se analiza la salida obtenida contra la salida que se desea. Si la diferencia es mínima, se puede indicar que la red ha aprendido. Mientras que, si las diferencias son mayores, se realizarán cambios en los pesos de la red hasta obtener los datos deseados.

Aprendizaje no-supervisado: no se tiene una supervisión y está basado en un proceso de autoorganización (el cual está definido hasta cierto punto). Aquí la red realiza el proceso de aprendizaje de manera autónoma.

La variedad de usos que tienen las redes neuronales es cada vez más notable. Desde automatizar tareas y procedimientos hasta generar conocimiento de manera automática igualando quizás el conocimiento que adquiere de manera natural el ser humano. En un mundo donde la tecnología va creciendo a pasos agigantados, se quiere buscar que todo sea automático y en un determinado momento haya muy poca o casi nula la intervención humana. 

[/fusion_text][fusion_imageframe image_id=»2394|medium» max_width=»» sticky_max_width=»» style_type=»» blur=»» stylecolor=»» hover_type=»none» bordersize=»» bordercolor=»» borderradius=»» align_medium=»none» align_small=»none» align=»none» margin_top=»» margin_right=»» margin_bottom=»» margin_left=»» lightbox=»no» gallery_id=»» lightbox_image=»» lightbox_image_id=»» alt=»» link=»» linktarget=»_self» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» sticky_display=»normal,sticky» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»» filter_hue=»0″ filter_saturation=»100″ filter_brightness=»100″ filter_contrast=»100″ filter_invert=»0″ filter_sepia=»0″ filter_opacity=»100″ filter_blur=»0″ filter_hue_hover=»0″ filter_saturation_hover=»100″ filter_brightness_hover=»100″ filter_contrast_hover=»100″ filter_invert_hover=»0″ filter_sepia_hover=»0″ filter_opacity_hover=»100″ filter_blur_hover=»0″]https://trustnet.com.mx/wp-content/uploads/sites/7/2020/10/REDES-NEURONALES01-300×140.jpg[/fusion_imageframe][/fusion_builder_column][/fusion_builder_row][/fusion_builder_container]