Redes Neuronales

Las redes de neuronas artificiales son un pardigrama de aprendizaje y procesamiento automarico inspirado en la forma en que funciona el sistema nervioso de los animales.
Las redes neuronales consisten en una simulación de las propiedades observadas en los sistemas neuronales biológicos a través de modelos matemáticos recreados mediante mecanismos artificiales.
El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez.
Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida. Esta salida viene dada por tres funciones:

1. Una funcion de propagacion que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión. Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria.
2. Una funcion de acivacion que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación.
3. Una funcion de transferencia que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la funsion sigmoidea y la tangente hiperbólica.