Aplicaciones industriales de redes neuronales
1. Presentación
Redes neuronales han sido estudiado casi desde los principios de la era de los ordenadores. Al principio la investigación de los redes neuronales estaba centrado en y motivado por la biología. Pero los modelos de los redes neuronales desarrolladas eran demasiado débiles para solucionar tareas de procesamiento de información compleja que podemos encontrar en muchas aplicaciones industriales. Nuevas innovaciones en los años 80 llevaron a la aparición de modelos de redes neuronales más poderosos. Muchos estudios científicos intentaron con éxito demostrar los conceptos y los beneficios en varios sectores de aplicaciones industriales. En consecuencia la industria consideraba las …ver más…

Conviene considerar los siguientes puntes importantes para cualquier aplicación de redes neuronales: 1. Se preparan los datos. Los datos de entrenamiento deben contener suficiente información para construir el modelo en este caso. También hay que considerar conocimiento conocido de antemano. 2. Se elige el modelo de red neuronal. El modelo tiene, por supuesto, gran influencia en las resultados. Generalization Ability es una medida con la cual se expresa la prestación de la red cuando se ha terminada el entrenamiento, y valora la aptitud del modelo para la aplicación actual. Se pueden clasificar los modelos de redes neuronales en tres clases según su procedimiento del aprendizaje: supervisado, no supervisado y modelos de refuerzo. 3. Se entrena la red neuronal. La tarea de proceso de entrenamiento es generar una transformación deseado del espacio de los dates entrantes al espacio de los dates salientes. Esto es un problema de aproximación de una función matemática, y siempre hay la misma dificultad, ya que el número limitado de muestras lleva a varias soluciones posibles. Para obtener resultados útiles hay que restringir las soluciones a un conjunto determinado. Solucionar este tarea es una parte muy importante de la metodología de las redes neuronales. El número de parámetros disponibles de la red neuronal (es decir la complejidad de esta red) debería corresponder con la complejidad del problema y las muestras de