Libro Redes Neuronales Artificiales

Martes, 23 de Febrero de 2010

Los profesores Eduardo Caicedo Bravo y Jesús Alfonso López Sotelo, del Grupo Percepción y Sistemas Inteligentes de la Escuela de Ingeniería Eléctrica y Electrónica, le entregan a la comunidad académica el resultado de casi una década de investigación y docencia, reflejada en el Libro: Una aproximación práctica a las redes neuronales artificiales.

Los profesores Eduardo Caicedo Bravo y Jesús Alfonso López Sotelo, del Grupo Percepción y Sistemas Inteligentes de la Escuela de Ingeniería Eléctrica y Electrónica, le entregan a la comunidad académica el resultado de casi una década de investigación y docencia, reflejada en el Libro: Una aproximación práctica a las redes neuronales artificiales.

El propósito general de este libro es ser una guía para que el lector interesado en trabajar con Redes Neuronales Artificiales (RNA), para que esté en capacidad de solucionar problemas propios de su disciplina, usando esta técnica de la inteligencia computacional.

La estructura del libro se concibe desde los tipos de aprendizaje, ya que es la característica más importante que poseen las redes neuronales artificiales y en ella radica su principal fortaleza para solucionar y adaptarse a diversos problemas. En este libro se encuentran contenidos teóricos básicos que lo dejarán preparado para afrontar el estudio de libros y artículos de carácter avanzado, acompañado de problemas resueltos que afianzan el saber y el saber hacer.

El primer capítulo presenta una breve revisión histórica de la evolución de las RNA, con el fin de mostrar los principales desarrollos científicos que han enriquecido este apasionante campo del saber. Se introduce el modelo artificial de una neurona, inspirado en el funcionamiento de la neurona biológica y a partir de este modelo artificial, se hace una revisión de las arquitecturas monocapa, multicapa y recurrente de las redes neuronales artificiales, así como de los procesos de aprendizaje supervisado y no - supervisado.

En el capítulo 2, se estudian las redes neuronales tipo Perceptron y Adaline, las arquitecturas, los principales algoritmos de aprendizaje y su aplicabilidad. Es importante detenerse en las limitaciones inherentes al Perceptron con el fin de visualizar la introducción de estructuras de redes más complejas y que las superen. Como en todos los capítulos siguientes, el libro propone una aproximación práctica para solucionar problemas usando Matlab y UV-Srna, siendo esta última una herramienta desarrollada en la Universidad del Valle.

De las limitaciones observadas en el Perceptron, relacionadas fundamentalmente con su imposibilidad para solucionar problemas no lineales, surgen el Perceptron Multicapa (MLP) y el algoritmo de Backpropagation, temas que son ampliamente discutidos en el Capítulo 3. Fruto de la experiencia en diversas aplicaciones se entrega al diseñador de soluciones con redes neuronales artificiales, un amplio apartado de recomendaciones de tipo práctico para dimensionar la red, seleccionar los conjuntos de datos, las funciones de activación, pre y pos-procesar los datos y regularizar el aprendizaje en la red. El MLP es ampliamente utilizado en diversas aplicaciones por lo que este capítulo presenta ejemplos de identificación de sistemas dinámicos, pronóstico de demanda de energía eléctrica, reconocimiento y clasificación de patrones.

El Modelo de Hopfield es un buen ejemplo de red neuronal dinámica, cuyo estudio se plantea en el Capítulo 4, a partir de las memorias asociativas y autoasociativas, para luego proponer el Modelo Discreto de Hopfield, a través de su procedimiento de aprendizaje y principio de funcionamiento, se continua con el Modelo Continuo de Hopfield para finalizar con la aproximación práctica donde veremos paso a paso como se construye y simula en MATLAB este tipo de red.

En el capítulo 5 se presentan los Mapas Auto-organizados de Kohonen como un ejemplo representativo del aprendizaje no supervisado de las redes neuronales artificiales. En las aplicaciones prácticas se enfatiza en la capacidad que tiene esta red para auto-organizarse dependiendo de la estructura de los datos que usemos para su entrenamiento, con el fin de mostrar su aplicabilidad en el campo del reconocimiento y clasificación de patrones.

En el último capítulo se abordan las Redes de Base Radial (RBF) que pertenecen al grupo de redes neuronales cuyo aprendizaje se considera híbrido, pues en ellas se manifiestan los entrenamientos supervisado y no-supervisado. Para continuar con la uniformidad del libro, igualmente veremos su arquitectura, los algoritmos de aprendizaje y su aplicabilidad. Llevaremos a cabo un último trabajo práctico donde las RBF serán aplicadas en problemas de clasificación y reconocimiento de patrones y en la aproximación de funciones.

Este libro es el resultado de más de una década de trabajo académico y de investigación de los autores en el Grupo Percepción y Sistemas Inteligentes de la Universidad del Valle, e invitamos al lector a adentrarse en el maravilloso mundo de las Redes Neuronales Artificiales que hace parte de la línea de la Inteligencia Computacional, sabiendo que encontrará una poderosa herramienta de procesamiento de datos y señales para solucionar una amplia gama de problemas complejos.

 

Libro Redes Neuronales Artificiales, cvn,
Universidad del Valle

Contacto

Rector: Iván Enrique Ramos Calderón

Oficina de Prensa
Jaime Humberto Canaval Erazo
jaime.canaval@correounivalle.edu.co
agenda@correounivalle.edu.co

Teléfono: (2) 3342401
3212100 Ext. 2220
Dirección: Calle 13 No 100 - 00
Ciudad Universitaria Meléndez
Cali.

Página web: www.univalle.edu.co

Contacto Universidad del Valle, datos de contacto,

Nota: El Centro Virtual de Noticias, CVN del Ministerio de Educación Nacional no se hace responsable de esta información. Este contenido corresponde a un boletín de prensa enviado por:

Universidad del Valle