Redes neuronales artificiales
Una red neuronal, según Freman y Skapura , es un sistema de procesadores paralelos conectados entre sí en forma de grafo dirigido. Esquemáticamente cada elemento de procesamiento (neuronas) de la red se representa como un nodo. Estas conexiones establecen una estructura jerárquica que tratando de emular la fisiología del cerebro busca nuevos modelos de procesamiento para solucionar problemas concretos del mundo real. Lo importante en el desarrollo de la técnica de las RNA es su útil comportamiento al aprender, reconocer y aplicar relaciones entre objetos y tramas de objetos propios del mundo real. En este sentido, se utilizan las RNA como una herramientas que podrá utilizarse para resolver problemas difíciles.
Aprendizaje adaptativo
Esta es quizás la característica más importante de las redes neuronales, pueden comportarse en función de un entrenamiento con una serie de ejemplos ilustrativos. De esta forma, no es necesario elaborar un modelo a priori, ni establecer funciones probabilísticas. Una red neuronal artificial es adaptativa porque puede modificarse constantemente con el fin de adaptarse a nuevas condiciones de trabajo.
Madaline
- Aprendizaje rápido: Se establece una nueva categoría.
- Aprendizaje lento: Una información de entrada es asociada a una categoría existente.
Reflexión
Al realizar este trabajo me di cuenta que debo perfeccionar el análisis de los resultados dado a que se trabaja con un margen de error y se debe analizar correctamente cual es mejor, cual se acerca mas al resultado deseado para así seleccionar la mejor respuesta, dado a que en este caso trabajábamos con 4 neurona adaline y teníamos 4 vectores de respuestas diferentes pero que cada uno se acercaba a cierta medida al resultado deseado.
