Desde un punto de vista funcional, una red neuronal es un sistema de procesamientos de información, fisico o algoritmico, formado por un gran numero de elementos computacionales muy simples(nodos neuronales), cada uno propietario de una pequeña cantidad de memoria local y conectados a través de canales de comunicación unidireccionales.
Estos ultimos son ponderados, es dicir algunas uniones entre nodos son más fuertes que otras, y transportan únicamente información numérica. Las redes neuronales se denominan tambien sistemas de procesamiento paralelo distribuido o memorias asociativas debido a que llegan a resultados "inteligentes" realizando muchos cálculos paralelos independientes y sin seguir reglas lógicas rígidas.
Para efectos prácticos, las Redes
Neuronales pueden ser visualizadas como cajas negras que aceptan
patrones (datos o señales) de entrada y producen patrones de
salida (figura
1). Cada
uno de los nodos internos opera unicamente sobre los datos
almacenados en su memoria local y sobre los recibidos de otros
nodos, de manera similar a la accion de las redes neuronales
biológicas.
Dependiendo del peso de las conexiones entre los nodos, la red
reconoce un patron previamente presentado; por ejemplo la huella
dactilar de un presunto criminal, o se entrena en el conocimiento
de un nuevo patron para utilizarlo posteriormente.
En otras palabras, las redes neuronales aprenden de ejemplos, de manera similar como un niño reconoce un perro en la calle apartir de un ejemplo de perro visto en la televisión o en un libro.
Autor: Ricardo Zapata