Redes neuronales artificiales son redes inter-conectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico, es decir a través del análisis de los datos provistos por la percepción y la experiencia, funciones fundamentales del proceso cognitivo.
Debido a su constitución, las redes neuronales artificiales presentan un gran números de características semejantes a los sistemas biológicos, por ejemplo: Aprender de la experiencia, generalizar, desechar información irrelevante, etc. Esto hace que ofrezcan un gran número de ventajas en las cuales se incluyen.
- Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial.
- Auto-organización. Una red neuronal puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje.
- Tolerancia a fallos. La destrucción parcial de una red conduce a una degradación de su estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo un gran daño.
- Operación en tiempo real. Los cómputos neuronales pueden ser realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener esta capacidad.
- Fácil inserción dentro de la tecnología existente. Se pueden obtener chips especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello facilitará la integración modular en los sistemas existentes.
No hay comentarios:
Publicar un comentario