UNIVERSIDAD AGRARIA DEL ECUAODR

TEMA: REDES NEURONALES PARA LA TOMA DE DECISIONES

POR: CARLOS LUIS PEÑAHERRERA & RICHAR JAVIER HOLGUIN

Las redes neuronales, que pertenecen al campo de la inteligencia artificial, permiten

resolver un problema mediante el empleo de problemas resueltos en el pasado similares al
planteado. En este artículo se describen las principales características de las redes
neuronales, así como las aplicaciones más comunes en las que se utiliza esta técnica

Introducción

La consecución, el diseño y la construcción de máquinas capaces de realizar procesos con

cierta inteligencia ha sido uno de los principales objetivos de los científicos a lo largo de la
historia, ya que en un principio los esfuerzos estuvieron dirigidos a la obtención de
autómatas, cuya función era la realización de algunas funciones típicas de los seres
humanos, con alta probabilidad de éxito. De los intentos realizados en este sentido se ha
llegado a definir las líneas fundamentales para la obtención de máquinas inteligentes y es
así como actualmente los estudios siguen esta misma línea, con resultados sorprendentes,
evidenciados en la existencia de diferentes maneras de realizar procesos similares a los
inteligentes y que podemos clasificar dentro de la llamada Inteligencia Artificial (IA).

Sin embargo existe un enorme problema que limita los resultados que se pueden obtener a
pesar de disponer de herramientas y lenguajes de programación diseñados expresamente
para el desarrollo de máquinas inteligentes, ya estas máquinas se implementan sobre
computadoras basadas en la filosofía de Von Neumann, y se apoyan en una descripción
secuencial del proceso de tratamiento de la información

De esta manera, el objetivo de las redes neuronales, no es resolver problemas complejos

como secuencia de pasos, sino como la evolución de un sistema computacional inspirado
en el cerebro humano, además constituyen una parte muy importante en el estudio y
desarrollo de la inteligencia artificial, ya que pueden ser combinadas con otras herramientas
como la lógica difusa, los algoritmos genéticos o los sistemas expertos, lo cual explica su
importancia.

Por esta razón, algunos científicos han vuelto la vista hacia el cerebro tratando de estudiarlo
desde el punto de vista de la computación. La estructura del cerebro es radicalmente
diferente a la del computador convencional. No está compuesta por un único
microprocesador altamente complejo y eficiente, sino por miles de millones de ellos, las
neuronas, que realizan de modo preciso y relativamente lento un tipo de cálculo muy simple.

Objetivos:

 Objetivo General

Evidenciar la utilidad de las redes neuronales en los sistemas de información, cuando el

proceso de toma de decisiones es complejo con grandes volúmenes de información.

 Objetivo Especifico

Evidenciar la utilidad de las redes neuronales en los sistemas de información para mejorar
la toma de decisiones a través de la clasificación y el aprendizaje.
 UNIVERSIDAD AGRARIA DEL ECUAODR
TEMA: REDES NEURONALES PARA LA TOMA DE DECISIONES
POR: CARLOS LUIS PEÑAHERRERA & RICHAR JAVIER HOLGUIN

Almacenar el aprendizaje de la historia de una organización para aprovecharlo en una mejor

toma de decisiones.

Justificación

Sistemas expertos y redes neuronales se asemejan en cuanto al objetivo de modelizar el

conocimiento, pero son radicalmente opuestos en cuanto a cómo aspiran a conseguirlo.
Como vemos, los sistemas expertos se acercarían más al razonamiento deductivo y las
redes neuronales al inductivo. La gestión empresarial utiliza frecuentemente ambos
esquemas de razonamiento, por lo que ambas técnicas tienen cabida. Además, ambos
modelos son perfectamente compatibles, de forma que se pueden integrar en un único
sistema, que se suele conocer como red experta. Probablemente este tipo de sistemas
mixtos, si son capaces de recoger las ventajas de ambos modelos, conozcan un gran
desarrollo en un futuro cercano.

Los elementos básicos de Neurocomputación son las neuronas artificiales. Estas se

agrupan en capas, constituyendo una red neuronal. Una o varias redes, más los interfaces
con el entorno, conforman el sistema global. Un conjunto de capas constituyen una red
neuronal, aunque también existen estructuras de una única capa. Una determinada red
neuronal está confeccionada y entrenada para llevar a cabo una labor específica. Existen
diferentes modelos de conexiones entre capas, en general se suelen distinguir dos básicos:
las arquitecturas hacia adelante o feedforward y las realimentadas o feedback. En las
arquitecturas feedforward, la información siempre se propaga hacia adelante. En las
arquitecturas realimentadas, las señales pueden en ocasiones fluir hacia atrás a través de
lazos de realimentación. Un sistema neuronal incluye una o varias redes neuronales, los
interfaces de entrada y salida con el medio exterior, y puede incluir otros subsistemas no
necesariamente de tipo neuronal. A modo de ejemplo, las redes expertas son simbiosis
entre un sistema experto y una red neurona.

Redes Neuronales:

No se trata de construir dispositivos que compitan con los seres humanos, sino que realicen
ciertas tareas de rango intelectual para ayudarle, principio básico de la Inteligencia Artificial.

Para Ruiz & Basualdo (2001) “Las redes neuronales son más que otra forma de emular
ciertas características propias de los humanos, como la capacidad de memorizar y de
asociar hechos”.

Mientras que para Simon Haykin (1994) "Una red neuronal es un procesamiento distribuido
masivamente paralelo que tiene una tendencia natural para almacenar conocimiento
empírico y hacerlo disponible para el uso”. Recuerda el cerebro en dos aspectos:

1. El conocimiento se adquiere por la red a través de un proceso de aprendizaje.

2. Las conexiones entre neuronas se conocen como pesos sinápticos y se usan para
almacenar el conocimiento.
 UNIVERSIDAD AGRARIA DEL ECUAODR
TEMA: REDES NEURONALES PARA LA TOMA DE DECISIONES
POR: CARLOS LUIS PEÑAHERRERA & RICHAR JAVIER HOLGUIN

Tabla 1: Cerebro frente a computador convencional Von Neumann (Del Brio, 2002)

Tabla 2: Formas básicas de Computación (Del Brio, 2002)

Actualidad de Redes Neuronales

Las redes neuronales alcanzan cada vez mayor auge, teniendo multitud de aplicaciones en
campos diversos y dando soluciones sencillas a problemas cuya resolución resulta
complicada cuando se emplean máquinas algorítmicas. Aun así, el futuro de las redes
neuronales no está todavía claro y será en los próximos años cuando se determine su
evolución. Sin embargo y aunque suena a ciencia ficción.

Las redes neuronales podrán en el futuro permitir:

 Robots que pueden ver, sentir, oler y percibir el mundo que los rodea (De hecho ya
existe algo llamado Computación afectiva).
 Predicción de valores e implementación en vehículos para la auto - conducción.
 Composición de música y documentos escritos (obras literarias).
 La comprensión de la información en el Genoma Humano.
 Autodiagnóstico medico por medio de redes neuronales.
 UNIVERSIDAD AGRARIA DEL ECUAODR
TEMA: REDES NEURONALES PARA LA TOMA DE DECISIONES
POR: CARLOS LUIS PEÑAHERRERA & RICHAR JAVIER HOLGUIN

Conclusión:

El mundo de la informática tiene mucho que ganar con las redes neuronales. Su capacidad
para aprender por ejemplo, hace que sean extremadamente flexibles y adaptables a un sin
número de aplicaciones, convirtiéndolas en una herramienta potente. Cabe destacar que no
se hace necesario elaborar un algoritmo para realizar una tarea específica, es decir, no es
necesario conocer los mecanismos internos del problema.

Las redes neuronales también son adecuadas para los sistemas en tiempo real, por las
características de su arquitectura en paralelo, permitiendo así ejecutar cálculos a una gran
velocidad y a sus tiempos de respuesta.

Las redes neuronales contribuyen también a otras áreas de investigación tales como la
neurología y la psicología que se utilizan regularmente para modelar partes de los
organismos vivos y para investigar igualmente los mecanismos del cerebro. Por último, hay
científicos que afirman que la conciencia podrá ser modelada en un futuro no lejano y que
esta será una de las propiedades de las redes neuronales.

Trabajos citados
Del Brio, M. (2002). Redes Neuronales y Sisteas Difusos (Segunda ed.). Madrid, España: Alfaomega.

Haykin, S. (1994). Neural Networks: A Comprehensive Foundation (Primera ed.). Macmillan College
Publishing Company.

Ruiz, C. A., & Basualdo, M. S. (Marzo de 2001). Redes Neuronales: Conceptos Básicos y Aplicaciones.
Recuperado el 05 de Enero de 2018, de
https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograia
s/matich-redesneuronales.pdf