El camino a las redes neuronales artificiales

Por Diego Andrés Restrepo Leal, Julie Pauline Viloria Porto y Carlos Arturo Robles Algarín

En los últimos años se ha visto un acelerado crecimiento en el uso de las redes neuronales artificiales y la inteligencia computacional en el mundo. Esto obedece a diferentes factores como las mejoras a nivel de fabricación de los procesadores y la adopción de la filosofía del hardware y software libre, con lo cual se consolidaron comunidades cooperativas en torno a proyectos cada vez más ambiciosos e innovadores. Como resultado, han surgido diversas iniciativas que facilitan la implementación de redes neuronales artificiales, aunque a su vez se han convertido en una caja negra para los usuarios puesto que están conformadas por numerosos módulos que se traducen en muchas líneas de código por asimilar. Entendiendo la importancia de forjar bases sólidas de conocimiento, los autores realizan a lo largo de esta obra un recorrido de diversos conceptos y herramientas matemáticas para sumergir poco a poco al lector en la creación de sus propias utilidades para implementar redes neuronales, con un lenguaje amigable en el que se abordan numerosos ejemplos prácticos, los cuales están disponibles en una máquina virtual y en un repositorio público.

• Idioma: Español
• Editorial: Editorial Unimagdalena
• Fecha de lanzamiento: 30 sept 2021
• ISBN: 9789587464313

Vista previa del libro

El-camino-a-las-redes-neuronales_Portada-EPUB.png

Catalogación en la publicación – Biblioteca Nacional de Colombia

Restrepo Leal, Diego Andrés

El camino a las redes neuronales artificiales / Diego Andrés Restrepo Leal, Julie Pauline Viloria Porto, Carlos Arturo Robles Algarín. -- 1a ed. -- Santa Marta : Universidad del Magdalena, 2021.

(Ingeniería y Tecnología. Ingeniería Electrónica)

Incluye : datos de los autores en la pasta y glosario técnico. -- Contiene referencias bibliográficas.

ISBN 978-958-746-429-0 (impreso) -- 978-958-746-430-6 (pdf) -- 978-958-746-431-3 (epub)

1. Redes neuronales (computadores) I. Viloria Porto, Julie Pauline II. Robles Algarín, Carlos Arturo III. Título IV. Serie

CDD: 006.32 ed. 23

CO-BoBN– a1080791

Primera edición, septiembre de 2021

2021 © Universidad del Magdalena. Derechos Reservados.

Editorial Unimagdalena

Carrera 32 n.° 22-08

Edificio de Innovación y Emprendimiento

(57–605) 4381000 Ext. 1888

Santa Marta D.T.C.H.–Colombia

[e-mail]

https://editorial.unimagdalena.edu.co/

Colección Ingeniería y Tecnología, serie: Ingeniería Electrónica

Rector: Pablo Vera Salazar

Vicerrector de Investigación: Jorge Enrique Elías-Caro

Coordinador de Publicaciones y Fomento Editorial: Jorge Mario Ortega Iglesias

Diseño editorial: Luis Felipe Márquez Lora

Diagramación: Eduard Hernández Rodríguez

Diseño de portada: Stephany Hernández Torres

Corrección de estilo: Juan Diego Mican González

Santa Marta, Colombia, 2021

ISBN: 978-958-746-429-0 (impreso)

ISBN: 978-958-746-430-6 (pdf)

ISBN: 978-958-746-431-3 (epub)

DOI: 10.21676/9789587464290

Hecho en Colombia–Made in Colombia

El contenido de esta obra está protegido por las leyes y tratados internacionales en materia de Derecho de Autor. Queda prohibida su reproducción total o parcial por cualquier medio impreso o digital conocido o por conocer. Queda prohibida la comunicación pública por cualquier medio, inclusive a través de redes digitales, sin contar con la previa y expresa autorización de la Universidad del Magdalena.

Las opiniones expresadas en esta obra son responsabilidad de los autores y no compromete al pensamiento institucional de la Universidad del Magdalena, ni genera responsabilidad frente a terceros.

Contenido

Glosario técnico

Prefacio

Introducción

Convenciones

Bash Shell

Gnuplot

1. Historia de las redes neuronales artificiales

Machine learning

Lógica difusa

Algoritmos genéticos

Deep learning

2. Modelo de neurona biológica

3. Modelo de neurona artificial y su arquitectura

Función de activación

Función de activación lineal

Función de activación logaritmo sigmoide

Función de activación tangente hiperbólica sigmoide

Ejercicios de función de activación

Perceptrón

Ejemplo de una neurona con dos entradas

Ejemplo de una RNA con dos entradas y una salida con varias funciones de activación

Frontera de decisión

Problemas linealmente separables

El problema de la XOR

Ejercicios

4. Entrenamiento

Error medio cuadrado

Función mse

Normalización

Función normalizar_1_1

Algoritmo backpropagation

Backpropagation con optimización Levenberg-Marquardt

Ejemplo de entrenamiento de una red neuronal

Ejercicios

Referencias bibliográficas

Apéndice A códigos en Bash Shell

A.1. graficarfunciones.sh: código para graficar funciones de activación

A.2. shfunciones.sh: código de funciones de activación

A.3. shfunciones_hardlim.sh: código de funciones de activación hardlim y hardlims

A.4. shperceptron2inputH.sh: código perceptrón con dos entradas, una salida y hardlims

A.5. shrnaor.sh: código RNA OR

A.6. shrnaxor.sh: código RNA XOR

A.7. shmse.sh: código error medio cuadrado

A.8. shnormalizar.sh: código normalizar y graficar

A.9. graficar_iteracion_mse.sh: grafica las iteraciones vs. mse

Apéndice B: RNAlib

B.1. RNAlib.h

B.2. RNAlib.c

Glosario técnico

B

Bias: Parámetro de ajuste que permite a las redes neuronales artificiales ubicar correctamente la frontera de decisión en el hiperplano de soluciones. El valor numérico de este elemento puede llegar a ser un entero o decimal, tanto positivo como negativo o incluso cero.

Binario: Sistema de numeración en base 2, con el cual es posible representar cifras, palabras y archivos compuestos por los números 0 y 1, para que puedan ser interpretados por las computadoras.

C

Compilador: Tipo de traductor que permite la transformación de un lenguaje de programación en otro. Normalmente, traduce programas informáticos con lenguajes de alto y medio nivel a código de máquina.

F

Framework: Conjunto de módulos, librerías y rutinas que contienen soluciones generales para ser adaptadas a problemas específicos.

H

Hardware: Conjunto físico interconectado de elementos eléctricos, electrónicos y/o mecánicos que conforman un sistema informático.

L

Linux: Es un conjunto de instrucciones que funcionan como eje central de un sistema operativo de código abierto.

P

Peso sináptico: Parámetro que modifica la amplitud y el sentido de la entrada de una neuronal artificial.

R

Repositorio: Espacio virtual comúnmente centralizado en donde se almacenan programas informáticos para diferentes propósitos.

S

Script: Archivo que contiene instrucciones de un lenguaje de programación interpretado.

Software: Conjunto de instrucciones y rutinas que les indican a las computadoras qué hacer.

T

Terminal: Es una interfaz de línea de comandos con la cual un usuario puede interactuar con su máquina.

V

Virtualbox: Es un programa informático que permite alojar diversos ambientes virtuales de sistemas operativos en un solo computador.

W

Windows: Es un sistema operativo de carácter privativo y de uso muy extendido en el ámbito cotidiano y empresarial.

Prefacio

La presente obra ha sido elaborada con el objetivo de ser un punto de partida para las personas que quieran incursionar en el mundo de las redes neuronales artificiales (RNA). Así pues, se proporcionan las herramientas conceptuales y matemáticas para que el lector forme sus propias bases sólidas. Además, se incluyen códigos de fácil lectura para que sean replicados y se afiancen los conocimientos adquiridos.

El desarrollo de todos los capítulos recoge las experiencias de los autores, los cuales han participado en diferentes proyectos y avances referentes a la inteligencia artificial (IA) en los últimos años. De este modo, y considerando que en muchas ocasiones no se puede hacer uso o no se cuenta con librerías o frameworks para el desarrollo y la ejecución de algunas ideas o proyectos, se ha hecho necesario elaborar funciones o librerías propias con el fin de contribuir a la comunidad científica y académica. Por esta razón se proporciona la librería RNAlib, la cual es fácil de leer y contiene las funciones