¿Qué son las redes neuronales?
Las redes neuronales artificiales son un modelo inspirado en el funcionamiento del cerebro humano. Esta formado por un conjunto de nodos conocidos como neuronas artificiales que están conectadas y transmiten señales entre sí. Estas señales se transmiten desde la entrada hasta generar una salida.
¿Cuál es su objetivo?
El objetivo principal de este modelo es aprender modificándose automáticamente a sí mismo de forma que puede llegar a realizar tareas complejas que no podrían ser realizadas mediante la clásica programación. De esta forma pueden automatizarse funciones que en un principio solo podrían ser realizadas por personas.
¿Cómo funcionan?
Como mencionamos, el funcionamiento de las redes se asemeja al del cerebro humano. Las redes reciben una serie de valores de entrada y cada una de estas entradas llega a un nodo llamado neurona. Las neuronas de la red están a su vez agrupadas en capas que forman la red neuronal. Cada una de las neuronas de la red posee a su vez un peso, un valor numérico, con el que modifica la entrada recibida. Los nuevos valores obtenidos salen de las neuronas y continúan su camino por la red. Este funcionamiento puede observarse de forma esquemática en la siguiente imagen.
Una vez que se ha alcanzado el final de la red se obtiene una salida que será la predicción calculada por la red. Cuantas más capas posea la red y más compleja sea, también serán mas complejas las funciones que pueda realizar.
Entrenamiento de las redes neuronales. Back-propagation o propagación hacia atrás
Para conseguir que una red neuronal realice las funciones deseadas, es necesario entrenarla. El entrenamiento de una red neuronal se realiza modificando los pesos de sus neuronas para que consiga extraer los resultados deseados. Para ello lo que se hace es introducir datos de entrenamiento en la red. En función del resultado que se obtenga, se modifican los pesos de las neuronas según el error obtenido y en función de cuanto haya contribuido cada neurona a dicho resultado. Este método es conocido como Back-propagation o propagación hacia atrás. Con este método se consigue que la red aprenda. Se consigue un modelo capaz de obtener resultados muy acertados incluso con datos muy diferentes a los que han sido utilizados durante su entrenamiento.
Pese a que en la actualidad se ha popularizado su uso, las redes neuronales existen desde la década de 1950. Sin embargo, la poca potencia de los equipos de aquella época y la inexistencia de algoritmos que permitiesen a las redes aprender de forma eficiente provoco que estas dejasen de usarse. Posteriormente, gracias a la creación del algoritmo de Back-propagation, al uso de GPUs que permiten realizar grandes optimizaciones para este tipo de cálculos. Es al mayor número de datos disponibles para entrenamiento, cuando las redes neuronales han vuelto a resurgir y a ganar protagonismo en diversos campos. Gracias a estas mejoras ha sido posible la aparición del Deep Learning. Se basa en el uso de redes neuronales profundas, es decir, redes formadas por un gran número de capas para tareas complejas.
Funciones de las redes neuronales
El alcance de las funciones de las redes neuronales es muy amplio, debido a su funcionamiento, son capaces de aproximar cualquier función existente con el suficiente entrenamiento. Principalmente las redes neuronales son utilizadas para tareas de predicción y clasificación. Su rango de actuación es amplio y de gran utilidad hoy en día, no solo se utilizan para aplicaciones de Industria 4.0 (reconocimiento de piezas y defectos que no han sido introducidos previamente por ejemplo). Si no que son utilizados en otras áreas como la economía, en la que pueden ayudar a predecir cuánto van a variar los precios a lo largo de los años, o incluso en medicina donde son de gran ayuda para diagnosticar diversos problemas de salud.
Las redes neuronales se han convertido en una pieza clave para el desarrollo de la Inteligencia Artificial, es uno de los principales campos de investigación y el que mas esta evolucionando con el tiempo, ofreciendo cada vez soluciones más complejas y eficientes. Son muy útiles para analizar datos a gran escala como los que manejas en Big Data.
Fuente: https://www.atriainnovation.com/que-son-las-redes-neuronales-y-sus-funciones/
