Aprendizaje y control
Sobre el aprendizaje
Para cumplir sus propósitos, la red neural necesita aprender. Esto es, tomar conocimiento de cómo comportarse ante determinados estímulos externos.
¨ Formas de aprendizaje
Se distinguen dos
principalmente.
· Aprendizaje supervisado. La red neural aprende a partir de un ejemplo, que le provee de información de entradas y salidas. Sigue un proceso de ajuste de errores hasta encontrar las funciones de activación y transferencia que mejor se acomode a los resultados del ejemplo. Hace este ajuste variando los pesos.
· Aprendizaje sin supervisar. Dispone la red sólo de información local y ella misma se auto organiza. Simula, por ejemplo, un proceso genético en donde sobreviven los elementos más capaces.
¨ Qué es lo que aprende
El resultado del aprendizaje se expresa en diferentes formas.
· La más común, y sobre la cual la red neural tiene gran disposición, es el reconocimiento o asociación a patrones. Es un aprendizaje tolerante en el sentido de que cada vez que aprecia la coincidencia o parcial distorsión de una información concluye en reconocer un patrón determinado (no necesita tener el número 1 perfecto para identificarlo, por ejemplo). También puede guardar más de un patrón.
· Tiene capacidad de interpolación entre patrones. Incluso en asociar la información a un patrón vecino.
· Puede obedecer con regularidad ante determinados impulsos. Saber que el elemento está fallado si la longitud de la grieta supera un determinado umbral, por ejemplo.
Redes neurales de control
Un tipo particular de redes neurales de interés en las ingenierías, corresponden a aquellas que necesitan de una medida de satisfacción para seguir operando o aprendiendo. Si la red principal operativa aspira a un comportamiento regular u óptimo, requiere de un permanente contraste entre su comportamiento actual y el deseable. Para ello, el sistema neural incorpora una red de control.
En resumen, la red operativa principal recibe información de entrada que la procesa hasta obtener algunas salidas. Estas salidas se comparan con sus objetivos, siendo las diferencias procesadas en una red neural adicional que se llama de control. Esta emite las acciones de ajuste como entradas adicionales a la red operativa principal.
Modelos de redes. Ejemplos en Ingeniería Civil. Patrones. Regla de Hamming. Algoritmo de retro propagación. La regla delta. Ejemplos. Productividad en la construcción.