Aprendizaje de una red neuronal artificial mediante el algoritmo de retropropagación utilizando el software MATLAB

Abstract

Las redes neuronales artificiales (RNA) son un paradigma para hacer cómputo y para la detección de patrones basado en la interconexión paralela de neuronas artificiales. Son un modelo basado en los complejos sistemas nerviosos de los animales y seres humanos con su gran cantidad de interconexiones y paralelismo. Las RNA son modelos computacionales que tratan de replicar, de manera simplificada, el complejo funcionamiento del cerebro humano. Su capacidad de aprendizaje a través de ensayos repetidos, las ha hecho muy populares en una amplia variedad de aplicaciones en todas las ciencias. En el capítulo primero se definen los principios de la metodología de las redes neuronales, además del objetivo, alcances y limitaciones, se inicia con las redes biológicas y los procesos que estos involucran, así como su relación con las artificiales. En el capítulo segundo se analizan las facetas del proceso de aprendizaje y sus características, así como el algoritmo de aprendizaje y sus características, así como el algoritmo de aprendizaje de retro propagación, también se estudia el perceptrón en su forma más simple y del perceptrón multicapa, entrenado con el algoritmo de retro propagación. En el capítulo tercero se aplica el algoritmo de retro propagación a una RNA por medio del software de Matlab con diferentes funciones de activación y factor de aprendizaje. En el capítulo cuarte se analizan los resultados obtenidos del algoritmo de aprendizaje de retro propagación. En el capítulo quinto se concluye que el objetivo planteado se satisface, ya que se obtuvieron los valores óptimos del factor de aprendizaje, así como, la función de activación que en conjunto minimizan el error.