Análisis y desarrollo de un sistema de aprendizaje en redes paralelas

Abstract

Este trabajo presenta una visión general de las arquitecturas conexionistas más interesantes estudiadas hasta el momento, especificando sus características principales, así como sus ventajas y sus inconvenientes. Todas ellas poseen características similares, pero sus prestaciones son muy diferentes para cada una de las tareas que se les proponen. Se hace especial mención de una de estas arquitecturas, la Máquina de Boltzmann, cuya estructura y algoritmo de aprendizaje se estudian en detalle. La Máquina de Boltzmann puede considerarse como un tipo particular de red paralela que es capaz de aprender las restricciones que caracterizan a un dominio concreto mediante presentación de ejemplos extraídos del mismo. La red modifica los pesos de sus conexiones para construir un modelo interno que produzca ejemplos con la misma distribución de probabilidad que los que le han sido mostrados. Una vez terminado el proceso de aprendizaje, la red es capaz de interpretar correctamente cualquier entrada que se le presenta, obteniendo la salida correspondiente. Cuando se le presenta un ejemplo de entrada parcial, la red puede completarlo encontrando los valores de las variables internas que han generado el ejemplo parcial, y utilizándolos para generar el resto del ejemplo. Asimismo, en este trabajo se presentan los fundamentos matemáticos que justifican el funcionamiento del sistema, así como sus posibilidades de aprendizaje.