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). |