FAQ (Frecuently Asked Questions)

¿A quien le interesan las redes neuronales?

Las redes neuronales están interesando a gente de procedencias muy diversas: físicos, informáticos, estadísticos, ingenieros, biólogos, psicólogos, economistas, y especialmente al empresario. Muchos procesos empresariales o industriales se mejoran notablemente a partir de la introducción de redes neuronales.

¿Que relación hay entre las redes neuronales y los métodos estadísticos clásicos?

Existen redes que no tienen nada que ver con la estadística, como las que se utilizan en modelos de sistemas biológicos, las redes de aprendizaje reforzado, o los mapas de Kohonen. No obstante, muchos de los modelos de redes neuronales son alternativas o mejoras a los métodos estadísticos más utilizados. Por ejemplo, las redes feedforward multicapa son generalizaciones no lineales de los métodos de regresión lineal, las redes de cuantización vectorial son parecidas a los métodos de análisis de clusters, las redes hebbianas están muy relacionadas con el análisis de componentes principales, etc.

¿Cuántos métodos de aprendizaje existen para las redes neuronales?

Existen muchísimos, y cada día se inventan más. Los podríamos clasificar en dos grandes grupos: aprendizaje supervisado y aprendizaje no supervisado. Al primer grupo pertenecen el perceptron, adaline, madaline, backpropagation, maquinas de Cauchy, time delay NN, associative reward-penalty, avalanche matched filter, backpercolation, Artmap, adaptive logic network, cascade correlation, extended Kalman filter, learning vector quantization, probabilistic NN, general regression NN, fuzzy cognitive map, mean field annealing, recurrent cascade correlation, backpropagation through time, etc. En el segundo grupo tenemos la contrapropagación, memoria asociativa difusa, memoria asociativa lineal, teoría de resonancia adaptativa (ART), Hopfield discreto, memoria asociativa bidireccional, memoria asociativa temporal, mapas de auto-organización de Kohonen, mapas que conservan la topología, aprendizaje competitivo, etc.

¿Qué tipo de red me dará mejores resultados?

Dado el gran número de modelos existentes, es difícil escoger el que dará mejores resultados para un problema concreto, ya que no existen reglas generales aplicables a todos los casos. Para ello, el conocimiento concreto de cada modelo y la experiencia acumulada en aplicaciones anteriores suele ser la mejor guía.

¿Cuántas unidades debo utilizar y como puedo calcular los parámetros de aprendizaje?

De la misma manera que encontrar el mejor modelo para solucionar un problema es una tarea difícil y sin solución general, también el ajustar los diversos parámetros de una red neuronal requiere mucha práctica y buenas dosis de paciencia.

¿Existe algún libro introductorio a las redes neuronales en castellano?

La bibliografía en castellano es muy escasa, prácticamente no existen traducciones de los 'clásicos', como podrían ser el libro de Hertz, Krogh y Palmer "Introduction to the theory of neural computation", el de Kohonen "Self-organization and associative memory", o el de Hecht-Nielsen "Neurocomputing". Como libro introductorio en castellano podríamos considerar: "Redes neuronales artificiales: fundamentos, modelos y aplicaciones" J.R. Hilera y V.J. Martínez, Ra-Ma, Madrid (1995).