MODELO COMPUTACIONAL

1.     INTRODUCCIÓN

Para  empezar debemos tener   en claro  algunos conceptos  básicos que abordan  los modelos  computacionales.

¿Qué  es un computador?

E la pregunta que muchas  personas se  hacen,  pero   no tiene  una  definición exacta, pero se podría  definir como un sistema  al que se le  suministra información en forma de  datos para  luego devolvernos  resultados acorde a la petición del usuario, en pocas palabras podemos decir  que el objetivo de una computadora  es básicamente resolver problemas mediantes programas. Pero  ahora nos nace la pregunta.

 ¿Qué es un programa?

 En definición   es una secuencia de instrucciones  que resuelven  determinados problemas planteados.

Al paso del tiempo el ser humano  investiga  sobre las redes Neuronales  artificiales, puesto que  estos medio ofrecen una manera efectiva y eficiente  para modelar problemas que se presentan en el ámbito profesional dando  una solución más rápida al hombre por medios de algoritmos  y cálculos.

 En pocas palabras un modelo matemático en las ciencias de la computación que requiere extensos recursos computacionales para estudiar el comportamiento de un sistema complejo por medio de la simulación por computadora, atreves de las  redes artificiales   que son  un método para  resolver problemas de una forma  individual o combinada con otros método.

3.      MARCO TEÓRICO

3.1 MODELO COMPUTACIONAL

Es un modelo matemático en las ciencias de la computación que requiere extensos recursos computacionales para estudiar el comportamiento de un sistema complejo por medio de la simulación por computadora. El sistema bajo estudio es a menudo un sistema complejo no lineal para el cual las soluciones analíticas simples e intuitivas no están fácilmente disponibles. En lugar de derivar una solución analítica matemática para el problema, la experimentación es hecha con el modelo cambiando los parámetros del sistema en la computadora, y se estudian las diferencias en el resultado de los experimentos. Las teorías de la operación del modelo se pueden derivar/deducir de estos experimentos de computacionales.

La gran diferencia  entre una maquina conexionista, es decir una maquina  neuronal  y los programas de computadoras  convencionales  es que  estas elaboran en ciertas medidas, la información de entrada para obtener una  salida  o respuesta

 

Entradas =datos

Red Neuronal = procesa la información

Salida= datos

 

3.2 NEURONA  ARTIFICIAL

·        
Red neuronal biológica, cúmulo de neuronas físicamente interconectadas cuya actividad ayuda a definir un circuito reconocible en el sistema nervioso.

·        Red neuronal artificial, modelos matemáticos, computacionales, reales, ideales de una red neuronal empleados en estadística, psicología cognitiva, e inteligencia artificial (Díaz, M. 2004).

Conocida  como  célula o autómata, es  un elemento que  posee un estado  interno, llamado nivel de  activación, y recibe  señales  que le permiten, en su caso cambiar de  estado  

 Se  denomina  S al conjunto  de estados posibles de la neurona, Ejemplo:

S={0,1}

  Siendo  0  el estado inactive y  1 el estado  activo 

Grupo de entradas x1,x2….xn  son introducidas en una neurona  artificial  estas entradas son definidas  por  vector X, que corresponden a una sinapsis de   una neurona biológica. Cada  señal se  multiplica por  un peso asociado   w1, w….. , wn  antes de  aplicar la sumatoria  etiquetado por  ∑. Cada peso corresponde a la  fuerza de una conexión  sináptica  es decir el nivel de concentración iónica  de cada  sinapsis,  y se la representa  por un vector  W   E= x1w1+x2e2…+xnwn  Las Señales E  son procesadas   por una función  llamada  de  activación o salida F, que produce   la señal de  salida  de la neurona S.  Esto depende de  cada función F, para que hayga distintos modelos  de  autómatas.

3.3 Estructura de una red 

Una red neuronal artificial es la interconexión de varias neuronas. El Gráfico 6 muestra una red neuronal estructurada en capas; es una de las estructuras en las cuales se pueden asociar las neuronas. En este sentido, los parámetros fundamentales de la red son: el número de capas, el número de neuronas por capa y el tipo y número de conexiones entre neuronas. No existe un método o regla que determine el número óptimo de neuronas ocultas para resolver un problema dado, generalmente se determinan por prueba y error, es decir, partiendo de una arquitectura ya entrenada, se realizan cambios aumentando y disminuyendo el número de neuronas ocultas y el número de capas, hasta conseguir la arquitectura que se ajuste a la solución del problema.

 La  entrada  ha sido completamente propagada  por la red, se producirá un vector de salida, cuyos componentes  son cada uno de los valores  de salida de las células de salida.

Formulas:

 Donde W1 y W2  son  los pesos de la primera y segunda capa,  respectivamente; F es la  función de activación idéntica  de todas las neuronas; X es  el vector de  entrada de la red,  y S es el vector de salida que produce la red.  W1 y W2 son matrices  de conexiones en las capas de la red  y por lo tanto esto  trata de  multiplicaciones de matrices.

Lo cual  esto es equivalente  a una red   con un sola capa de conexiones Wt donde

4. CONCLUSIÓN

Bueno en pocas palabras podemos concluir   que un modelo computacional es muy útil  para la ciencia de la computación. Ya que sus procesos matemáticos son muy interesantes  para obtener una salida y conectarse  entre neuronas artificiales, dando  respuesta al vector de entrada    como un grafo  cuyos nodos estos constituidos por unidades de procesos idénticas, y que propagan información  atreves de los  arcos.

BIBLIOGRAFÍA

Gómez, F; Fernández, M; López, M; Díaz, M. 2004.   Aprendizaje   con    redes.

Neuronas Artificiales. (En línea). Formato PDF. Consultado el 2 de dic. 2015. Disponible en: dialnet.unirioja.es/descarga/articulo/2281678.pdf

Isasi, P; Galván, I; 2004. Redes de Neuronas Artificiales Un Enfoque Práctico.

Madrid España.

Rafael Asenjo Plaza, Eladio Gutiérrez, Julián Ramos Cózar. Fundamentos de los Computadores”, Elementos de Programación 1º C E. T. S. I. Universidad de Málaga / Manuales