Redes Neuronales 1.2

1.2 Características de la RNA

a) Aprendizaje:

La RNA es capaz de ajustar automáticamente sus parámetros estableciendo así la relevancia que tiene cada una de las señales de entrada en el proceso. Este tipo de RNA trabaja bajo el paradigma de aprendizaje supervisado.

b) Generalización del conocimiento:

Dado un rango de funcionamiento de la RNA, una vez que termina el aprendizaje la RNA es capaz de dar una respuesta correcta a señales de entrada diferentes a las usadas para su aprendizaje, siendo así un aproximador universal.

c) Tolerancia a fallas:

Una RNA tipo Perceptrón está formada por múltiples neuronas y una vez que se finaliza de forma exitosa el aprendizaje es capaz de generalizar el conocimiento. Es posible que bajo ciertas circunstancias algunas de estas neuronas dejen de funcionar y aun así la RNA continué operando correctamente. A  esta circunstancia se le dice que la RNA puede tolerar hasta cierto grado este tipo de falla.

d) Procesamiento no-lineal:

Una RNA tipo Perceptrón Multicapa es capaz de realizar tareas como: aproximación de señales no lineales, separación no lineal de clases de objetos ó formar parte de una estructura de control no lineal. Esto es posible dado que cada una de sus neuronas contiene una función de tipo no lineal, lo que permite trabajar con esta clase de problemas.

e) Establecer niveles de importancia a cada una de las entradas de la RNA:

Una RNA representa adecuadamente el funcionamiento de la neurona biológica en el aspecto de que es capaz de modelar la relevancia de cada una de las entradas mediante los parámetros conocidos como pesos sinápticos.