Redes Neuronales Tutorial

Las redes neuronales son una forma básica de sistema de aprendizaje que son comunes en los experimentos de inteligencia artificial y proyectos. sistemas de redes neuronales tempranas comenzaron estén disponibles a finales de 1980, como sistemas simples de software y sistemas híbridos que se ejecutaban en hardware especializado.

Historia

Los conceptos iniciales de la creación de redes neuronales y la computación neuronal desarrollaron durante la década de 1940. Por la década de 1950, una red simple de dos capas demostró el concepto básico. Sin embargo, ciertas restricciones - como la incapacidad para resolver los problemas XOR, una función básica en computación digital - interés en la tecnología limitada hasta finales de 1970 y principios de 1980.

Los sistemas naturales de simulación

Una red neural simula las actividades de los sistemas neuronales biológicas. Si el sistema está funcionando en un ordenador o un sistema de hardware y software diseñados para el aprendizaje basado en software, la idea básica es crear un sistema informático que imita el funcionamiento natural del cerebro. A diferencia de los sistemas lineales, en los que una entrada se decidirán y una salida predecible es el resultado de los cálculos, las redes neuronales están diseñados para crear algoritmos de predicción basados ​​en las buenas entradas y salidas son conocidos y, por lo tanto, capaces de aprender de la experiencia previa.

Tener sentido del Caos

Las redes neurales funcionan al hacer el seguimiento de buenas entradas conocidos. Por ejemplo, las redes neuronales diseñado para predecir la dirección del mercado de valores podrían tener eventos históricos introducen como entradas y el consiguiente aumento o caída en el mercado introducidos como resultados. Mediante la introducción de miles de acontecimientos históricos y los resultados del mercado de valores, una red neuronal puede empezar a tratar de predecir sube y baja sobre la base de las entradas de corriente. A medida que la red se reúne más datos, se puede aprender a hacer predicciones más precisas en el mercado.

ventajas

Las redes neuronales pueden desarrollar algoritmos basados ​​en los insumos y los resultados conocidos, y con el tiempo pueden aprender a predecir eventos con un alto grado de certeza. Dado que las redes neuronales son sistemas paralelos, si una parte del sistema falla, otras partes continúan funcionando normalmente. Debido a que una red neuronal es un sistema de aprendizaje natural, una vez creada, que en general no requiere programación.

desventajas

Una de las desventajas de una red neuronal es que se necesita tiempo para entrenar. La red sólo será tan bueno como los datos iniciales y los datos de entrenamiento corregidos. Si la red neuronal se da datos incorrectos y le dijo a los datos son correctos, se aplicará que los datos no válidos a las decisiones y predicciones futuras. redes neuronales basadas en software se ejecutan en diferentes arquitecturas que la mayoría de los ordenadores comunes. Por lo tanto, a menos que un sistema de hardware y software dedicado se utiliza, se requieren sistemas de traducción para convertir los datos complejos neuronales a un formato utilizable por los sistemas de computación comunes.