redes

Modelos de Redes Neuronales
Pero la funcionalidad de una única neurona artificial es muy limitada. La verdadera potencia de estos sistemas aparece cuando ponemos en colaboración a muchos elementos de proceso. A la interconexión de múltiples neuronas artificiales, con una determinada estructura y un tipo de procesamiento concreto es lo que se denomina como red neuronal.
La topología de una red neuronal es la forma en que se disponen lógicamente las neuronas atendiendo a su conexionado. Desde el punto de vista topológico tenemos:

• Redes simples, formadas por un único elemento de proceso
• Redes complejas, formadas por varias neuronas estructuradas en capas lógicas.
• Redes monocapa, aquellas que poseen una única capa de neuronas (capa de proceso).
• Redes multicapa, con varias capas de neuronas, distinguiéndose una capa de entrada, una capa de salida y varias (o ninguna) capas ocultas.

Ejemplo de una red multicapa con una capa oculta.
Atendiendo a la naturaleza de la información con la que opera la red, podemos clasificar a estas como:

• Redes discretas que manejan información binaria (0,1) o bipolar (-1,1).
• Redes continuas que manejan información dentro del ámbito de los números reales, normalmente con una acotación.
• Redes mixtas que manejan información discreta y continua (una en la entrada y otra en la salida).

La actividad que llevan a cabo las redes neuronales se puede dividir lógicamente en dos fases más o menos independientes:
En la fase de aprendizaje, también llamada entrenamiento, la red asimila cierto tipo de información mediante cambios en sus conexiones, de forma que se almacena internamente el conocimiento asociado a la información. La forma en que la red aprende está determinada mediante un algoritmo de aprendizaje. Normalmente este algoritmo funciona mediante una serie de información de ejemplo, que se compone de una señal de entrada y una señal de salida. El aprendizaje genera, internamente, un símil de algoritmo, que asocia la información de entrada a la de salida.
En la fase de explotación, también llamada procesamiento, la red procesa información de entrada, generando una salida. Nótese que esta información no tiene por que pertenecer al conjunto de ejemplares con los que se ha entrenado la red, ya que esta es capaz de extrapolar la salida en base