|
Redes Autoorganizativas |
Consiste en la modificación repetida de conexiones en respuesta a patrones de activación y siguiendo unas reglas preestablecidas, hasta el desarrollo final de la estructura o sistema.
La organización en las redes neuronales tiene lugar en 2 niveles diferentes, los cuales están íntimamente interconectados en forma de lazo:
Actividad: Ciertos patrones de actividad son producidos por la estructura en respuesta a señales de entrada.
Conectividad: Los Pesos de las diferentes interconexiones, son modificados en respuesta a señales producidas por los PE. (Concepto de Plasticidad).
Principio1: Modificaciones en los Pesos tienden a auto-amplificarse. El proceso de auto-amplificación está relacionado con el hecho de que las modificaciones de los Pesos están basadas en señales variables localmente.
Principio 2: Limitaciones debido a la competitividad establecen la selección de grupos de interconexiones fuertes, a expensas de otras.
Principio 3: Modificaciones en los Pesos tienden a una cooperación entre todos ellos.
Existen problemas donde el conjunto de entrenamiento está formado por un conjunto de patrones de entrada y donde las salidas deseadas no están disponibles.
En estos casos la información relevante debe de ser localizada en los propios patrones de entrada (redundancia). Problemas tales como:
Clustering: Los datos de entrada pueden ser agrupados en "clusters" y el sistema al procesar los datos debe de encontrar los centros de esos clusters.
Cuantización de Vectores: Este problema ocurre cuando en un espacio continuo tiene que ser discretizado. La entrada al sistema son vectores n-dimensionales y la salida es una representación discreta del espacio de entradas.
Reducción de Dimensionalidad: Los datos de entrada deben de ser agrupados en un subespacio con una dimensionalidad más baja que la dimensionalidad de los datos.
Extracción de Características: El sistema tiene que extraer características de los datos de entrada (supone casi siempre una reducción de la dimensionalidad).
