Introducción
Clasificación de la información
Aplicaciones lingüísticas
Diseño de interfaces
Almacenamiento y recuperación
Filtrado
Imágenes: búsqueda multimedia
1. Definición de redes neuronales
un sistema de procesamiento de información compuesto por un gran número de elementos de procesamiento o neuronas profusamente conectados entre sí a través de canales de comunicación (Regueiro).
Estas conexiones establecen una estructura jerárquica y permiten la interacción con los objetos del mundo real tratando de emular al sistema nervioso biológico. A diferencia de la computación tradicional, basada en algoritmos predecibles, la computación neuronal permite desarrollar sistemas que resuelvan problemas complejos cuya formalización matemática es sumamente difícil.
Ventajas
aprendizaje adaptativo
autoorganización
tolerancia a fallos
operación en tiempo real
fácil inserción dentro de la tecnología existente
Áreas de aplicación
Reconocimiento de patrones, con aplicaciones en sensación remota, análisis de imágenes médicas, visión en computadoras industriales y elementos de proceso de las entradas para computadores.
Bases de datos de conocimiento para información estocástica.
Control de robots.
Toma de decisiones.
Filtrado de señales.
Segmentación, compresión y fusión de datos.
Interfaces adaptativas para sistemas hombre/máquina.
Organización de la red
por niveles o capas de neuronas. Se pueden distinguir tres tipos de capas: de entrada, ocultas y de salida.
por la forma de conexión entre neuronas: propagación hacia adelante y propagación hacia atrás.
Características de las redes neuronales
Topología.
Mecanismo de aprendizaje.
Tipo de asociación entre las informaciones de entrada y salida: heteroasociativa y autoasociativa.
Representación de la información de entrada y salida.
2. CLASIFICACIÓN DE LA INFORMACIÓN : Métodos
.Mapas de Kohonen
-Pertenece al grupo de red neuronal no supervisada
-Funcionamiento
-2 variantes:
LVQ "Cuantificación por Vector de Aprendizaje", caracterizado por tener una salida en una única dimensión
TPM "Mapa de Preservación Topológica", más conocido por SOM "Mapa auto-organizativo" con salida bidimensional
Aplicaciones e inconvenientes de los SOM
Aplicaciones de los SOM:
-Clasificar, extraer características
-Refleja la imagen topológica de la información de entrada (las entradas con rasgos similares o relacionadas aparecen cercanas en el mapa)
Inconvenientes:
poco aplicable a conjuntos de información de gran tamaño
resulta caro y es lento
Mapas de Xia Lin
Es un mapa auto-organizado, similar al de Kohonen
Funcionamiento: los vectores de cada documento representan la frecuencia de aparición de los términos y la red es entrenada con estos vectores
Aplicaciones:
clasifica los datos por materias
visualiza las materias de un conjunto de datos en un mapa, diferenciadas por los nombres y colores
Inconvenientes similares al anterior:
resulta caro y lento
aplicable a pequeñas colecciones de datos
los datos son agrupados por un pequeño número de palabras extraídas generalmente de los títulos
Demostración:http://www.uky.edu/~xlin
WEBSOM
Mapa auto-organizativo similar a los anteriores, pero que permite trabajar con grandes cantidades de información y con palabras del texto completo no sólo del título
Funcionamiento: se crean también vectores de cada documento, con ello se genera un mapa intermedio de categorías de palabras que ordena los términos según sus relaciones y finalmente se elabora automáticamente un mapa que agrupa los documentos según su contenido
Aplicaciones
el mapa agrupa documentos por su contenido, reflejando las relaciones entre ellos
los colores más oscuros o menos reflejan la densidad de información y la proximidad entre zonas indica la mayor o menor relación entre los documentos
Página siguiente |