REDES NEURONALES ARTIFICIALES DE BASE RADIAL

INTRODUCCIÓN

Las herramientas que mayoritariamente se utilizan para la mejora de la calidad mediante

el diseño de procesos y productos solo permiten trabajar con relaciones lineales y

consideran pocas variables de entrada y salida; las redes neuronales artificiales son una

alternativa para poder superar esta limitación. El análisis estadístico tradicional para el

diseño de experimentos, los Métodos Taguchi, entre otros, no permiten hacer este tipo de

cálculos. Los modelos de redes neuronales más utilizados son: Perceptrón, Adaline,

Perceptrón multicapa, redes de base radial, redes recurrentes (Red de Hopfield), redes de

aprendizaje supervisado (Mapas auotoorganizados de Kohonen), y de resonancia

adaptativa ART, redes de series temporales, redes de control de procesos dinámicos,

redes de clasificación (redes de cuantización vectorial). Las RNA más utilizadas se

aprecian que algunas podrían servir de base para desarrollar una nueva RNA a ser

utilizada en temas relacionados con la mejora de la calidad. Las Redes Neuronales

Artificiales (RNA) son sistemas de procesamiento de la información cuya estructura y

funcionamiento están inspirados en las redes neuronales biológicas.

Las redes de base radial son un tipo de redes de neuronas artificiales que calculan la

salida de la función en función de la distancia a un punto denominado centro. Al igual que

con los perceptrones multicapa, sirven como aproximadores universales

MARCO TEÓRICO

Las redes de neuronas de base radial son las que mejor se adecuan a nuestro objetivo,

debido a que son redes multicapa con conexiones hacia delante, que se caracterizan

porque están formadas por una única capa oculta y cada neurona de esta capa posee un

carácter local, en el sentido de que cada neurona oculta de la red se activa en una región

diferente del espacio de patrones de entrada. Este carácter local viene dado por el uso de

las llamadas funciones de base radial generalmente la función gausiana, como funciones

de activación. Las neuronas de la capa de salida de las redes de base radial simplemente

realizan una combinación lineal de las activaciones de las neuronas ocultas. La capa de

entrada la componen un conjunto de neuronas que reciben las señales del exterior,

transmitiéndolas a la siguiente capa sin realizar ningún procesado sobre dichas señales.

Las neuronas de la capa oculta reciben las señales de la capa de entrada y realizan una

transformación local y no lineal sobre dichas señales. Activación de las neuronas de la red

de base radial.

CARACTERÍSTICAS

Tiene sus orígenes en 1989 y 1990.

Son redes de tipo multicapa que tienen conexiones hacia delante y que sólo tienen

una capa oculta.

Mientras que las neuronas ocultas poseen carácter local, las neuronas de salida

realizan una combinación lineal de las activaciones de las neuronas ocultas.

Al igual que los perceptrones multicapas, son aproximadores universales.

Cada neurona, o función de base radial, define una hiperesfera o una hiperelipse

que divide el espacio de entrada. Cada neurona construye una aproximación local

no lineal en una determinada región del espacio de entrada.

Este tipo de redes construyen aproximaciones que son combinaciones lineales de

múltiples funciones locales no lineales.

APLICACIONES

Este tipo de redes se pueden implementar para realizar análisis de series temporales,

procesamiento de imágenes, reconocimiento automático del habla, diagnósticos médicos,

entre otros tipos de funciones.

ARQUITECTURA

Cada neurona tiene 3 capas diferentes en total:

Capa de entrada

Transmiten las señales de entrada a las neuronas ocultas sin realizar procesamiento

Las conexiones de la capa de entrada a la capa oculta no llevan pesos asociados

Capa oculta

Realizan una transformación local y no lineal de dichas señales

Capa de salida

Realiza una combinación lineal de las activaciones de las neuronas ocultas

APRENDIZAJE

Posee un aprendizaje totalmente supervisado, este tipo de aprendizaje no conserva, en principio,

las propiedades o características locales de las redes de base radial. En este caso, todos los

parámetros de la red, centros, amplitudes, pesos y umbrales, se determinan de manera

completamente supervisada y con el objetivo de minimizar el error cuadrático medio. En este

proceso, en ningún momento se tiene en cuenta que las amplitudes alcancen valores tales que el

solapamiento de las activaciones de las neuronas de la capa oculta sea lo más suave posible. Así

que en principio, esa característica de localidad se puede perder.

CONCLUSIONES

Las Redes Neuronales Artificiales con Función de Base Radial aplicadas a los diseños de

experimentos para mejora de la calidad dan mejores resultados que los obtenidos

mediante los métodos de análisis estadísticos tradicionales y del Perceptrón Multicapa

con aprendizaje Backpropagation. Es así que se construyó la “Red desarrollada”.

Las características principales de estas redes son la arquitectura en tres capas; en la

capa oculta el aprendizaje es no supervisado y en la capa de salida se da un aprendizaje

supervisado

La Red de Base Radial también tiene inconvenientes; en ciertos casos, es necesario un

elevado número de neuronas en la capa oculta y esto produce pérdida de generalización.

El número de neuronas ocultas aumenta exponencialmente con la dimensión del espacio

de entradas.

BIBLIOGRAFÍA

Hilera, J y Martinez, V. 2000. Redes neuronales artificiales. Alfaomega. Madrid España.

Hernández, L y Hernández A. 2011. Introducción a las Redes Neuronales. (En línea). Hidalgo.

Consultado, 19 de julio. 2015. Formato PDF. Disponible en

http://www.uaeh.edu.mx/docencia/P_Presentaciones/huejutla/sistemas/

redes_neuronales/introduccion.pdf

Poma, F. 2009.Modelo de Redes Neuronales de base radial. Revista de Información,

Tecnología y Sociedad. (En Línea). Consultado el 15 de Julio 2015. Disponible en

http://www.revistasbolivianas.org.bo/scielo

                                                                                                          

Pérez, M; Valenciano, P. 2007. Empleo de redes neuronales de base radial. Ciencia Ergo Sum,

Vol.14, Nº1, marzo-junio, 2007, pp.6-14.Universidad Autónoma del Estado de México.

Disponible en  http://www.redalyc.org

 Valls, J.2007. Redes de Neuronas de Base Radial. (En Línea). Consultado el 18 de Julio 2015.

Formato PDF.Disponible

en http://eva.evannai.inf.uc3m.es/et/docencia/rn-inf/documentacion/Tema4-RNBR.pdf