Clasificacion de las redes neuronales artificiales

Las redes neuronales artificiales tratan de imitar al de redes neuronales biológicas, es decir que se le dota a las máquinas de cierto nivel de inteligencia.

Las redes neuronales artificiales se clasifican en:
Según su topología.
Según su algoritmo de aprendizaje.

POR SU TOPOLOGÍA
Es la configuración y organización de las neuronas en forma de red, las mismas forman capas según lo que necesite.

Se clasifica según el número de capas en:
Redes Monocapa
Redes Multicapas

Redes Monocapa
Son las que poseen una sola capa, crean conexiones laterales con las neuronas de su misma capa para poder conectarse.

Redes Multicapas
Están formadas por diversas capas conformadas de neuronas, las redes multicapas a su vez se divide en redes con conexiones hacia adelante y redes con conexiones hacia atrás. La primera solo posee conexiones con otras capas hacia adelante, tiene un orden específico y la información necesariamente tiene una secuencia. La redes con conexión para atrás al contrario de la anterior si posee conexiones hacia atrás, es decir que la información puede ser compartida con capas anteriores.

POR SU ALGORITMO DE APRENDIZAJE
Se basa en algoritmos matemáticos que tratan de modificar el comportamiento de las neuronas mediante un proceso de aprendizaje, mediante diferentes patrones. Se puede dividir en:
Aprendizaje Supervisado
Aprendizaje no supervisado

Aprendizaje Supervisado
Trabaja mediante patrones de entrada, en este caso algoritmos matemáticos aquí se desea obtener una salida mediante un patrón previamente definido, para esto se tiene que proceder a entrenar a la neurona ajustando los pesos hasta que consiga la salida esperada.

Aprendizaje No Supervisado
Aquí debido a los algoritmos que se utiliza no es necesario presentar un patrón de salida ya que esta resulta consistente, al agrupar los patrones que son más parecidos para esto compara los patrones almacenados previamente y los va categorizando, sin saber con exactitud la salida.
Se lo puede clasificar en:
· Aprendizaje por componentes principales
· Aprendizaje competitivo

Aprendizaje por componentes principales
Consiste en hallar características comunes entre los patrones de entrada.

Aprendizaje competitivo
· Aquí las neuronas compiten para asemejarse al patrón de entrada, la que sus pesos mas se asemejen, esta neurona va a ser entrenada reforzando sus conexiones, debilitando las conexiones de las otras neuronas y de esta forma asemejarle aun mas al patrón de entrada



BIBLIOGRAFIA

http://www.monografias.com/trabajos12/redneur/redneur.shtml
http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-las-redes-neuronales-artificiales.htm

http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-redes-neuronales-por-topologia-arquitectura.htm
http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-redes-neuronales-respecto-al-aprendizaje.htm