1

Introduccin

1.1 Acerca de las redes neuronales.

El hombre se ha caracterizado siempre por su bsqueda constante de nuevas vas
para mejorar sus condiciones de vida. Estos esfuerzos le han servido para reducir el
trabajo en aquellas operaciones en las que la fuerza juega un papel primordial. Los
progresos obtenidos han permitido dirigir estos esfuerzos a otros campos, como por
ejemplo, a la construccin de mquinas calculadoras que ayuden a resolver de forma
automtica y rpida determinadas operaciones que resultan tediosas cuando se realizan a
mano.
Uno de los primeros en acometer esta empresa fue Charles Babbage, quien trat
infructuosamente de construir una mquina capaz de resolver problemas matemticos.
Posteriormente otros tantos intentaron construir mquinas similares, pero no fue hasta la
Segunda Guerra Mundial, cuando ya se dispona de instrumentos electrnicos, que se
empezaron a recoger los primeros frutos. En 1946 se construy la primera computadora
electrnica, ENIAC. Desde entonces los desarrollos en este campo han tenido un auge
espectacular.
Estas mquinas permiten implementar fcilmente algoritmos para resolver
multitud de problemas que antes resultaban engorrosos de resolver. Sin embargo, se
observa una limitacin importante: qu ocurre cuando el problema que se quiere
resolver no admite un tratamiento algortmico, como es el caso, por ejemplo, de la
clasificacin de objetos por rasgos comunes? Este ejemplo demuestra que la
construccin de nuevas mquinas ms verstiles requiere un enfoque del problema
desde otro punto de vista. Los desarrollos actuales de los cientficos se dirigen al estudio
de las capacidades humanas como una fuente de nuevas ideas para el diseo de las
nuevas mquinas. As, la inteligencia artificial es un intento por descubrir y describir
aspectos de la inteligencia humana que pueden ser simulados mediante mquinas. Esta
disciplina se ha desarrollado fuertemente en los ltimos aos teniendo aplicacin en
algunos campos como visin artificial, demostracin de teoremas, procesamiento de
informacin expresada mediante lenguajes humanos... etc.
Las redes neuronales son ms que otra forma de emular ciertas caractersticas
propias de los humanos, como la capacidad de memorizar y de asociar hechos. Si se
examinan con atencin aquellos problemas que no pueden expresarse a travs de un
algoritmo, se observar que todos ellos tienen una caracterstica en comn: la
experiencia. El hombre es capaz de resolver estas situaciones acudiendo a la experiencia
acumulada. As, parece claro que una forma de aproximarse al problema consista en la
construccin de sistemas que sean capaces de reproducir esta caracterstica humana. En
definitiva, las redes neuronales no son ms que un modelo artificial y simplificado del
cerebro humano, que es el ejemplo ms perfecto del que disponemos para un sistema
que es capaz de adquirir conocimiento a travs de la experiencia. Una red neuronal es
un nuevo sistema para el tratamiento de la informacin, cuya unidad bsica de
procesamiento est inspirada en la clula fundamental del sistema nervioso humano: la
neurona.

Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con
la (in)actividad de estas neuronas. Las mismas son un componente relativamente simple
del ser humano, pero cuando millares de ellas se conectan en forma conjunta se hacen
muy poderosas.
Lo que bsicamente ocurre en una neurona biolgica es lo siguiente: la neurona
es estimulada o excitada a travs de sus entradas (inputs) y cuando se alcanza un cierto
umbral, la neurona se dispara o activa, pasando una seal hacia el axon. Posteriores
investigaciones condujeron al descubrimiento de que estos procesos son el resultado de
eventos electroqumicos.
Como ya se sabe, el pensamiento tiene lugar en el cerebro, que consta de
billones de neuronas interconectadas. As, el secreto de la inteligencia -sin importar
como se defina- se sita dentro de estas neuronas interconectadas y de su interaccin.
Tambin, es bien conocido que los humanos son capaces de aprender. Aprendizaje
significa que aquellos problemas que inicialmente no pueden resolverse, pueden ser
resueltos despus de obtener ms informacin acerca del problema. Por lo tanto, las
Redes Neuronales...

Consisten de unidades de procesamiento que intercambian datos o
informacin.

Se utilizan para reconocer patrones, incluyendo imgenes, manuscritos y
secuencias de tiempo (por ejemplo: tendencias financieras).

Tienen capacidad de aprender y mejorar su funcionamiento.

Una primera clasificacin de los modelos de redes neuronales podra ser,

atendiendo a su similitud con la realidad biolgica:
1) El modelo de tipo biolgico. Este comprende las redes que tratan de simular
los sistemas neuronales biolgicos, as como las funciones auditivas o algunas funciones
bsicas de la visin.
2) El modelo dirigido a aplicacin. Este modelo no tiene por qu guardar
similitud con los sistemas biolgicos. Su arquitectura est fuertemente ligada a las
necesidades de las aplicaciones para la que es diseada.

Resea Histrica

2.1 Historia de las redes neuronales.

1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de
ver el mundo de la computacin. Sin embargo, los primeros tericos que concibieron los
fundamentos de la computacin neuronal fueron Warren McCulloch, un neurofisilogo,
y Walter Pitts, un matemtico, quienes, en 1943, lanzaron una teora acerca de la forma
de trabajar de las neuronas (Un Clculo Lgico de la Inminente Idea de la Actividad
Nerviosa - Boletn de Matemtica Biofsica 5: 115-133). Ellos modelaron una red
neuronal simple mediante circuitos elctricos.
1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje
(que es el elemento bsico de la inteligencia humana) desde un punto de vista
psicolgico, desarrollando una regla de como el aprendizaje ocurra. Aun hoy, este es el
fundamento de la mayora de las funciones de aprendizaje que pueden hallarse en una
red neuronal. Su idea fue que el aprendizaje ocurra cuando ciertos cambios en una
neurona eran activados. Tambin intent encontrar semejanzas entre el aprendizaje y la
actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teora de las Redes
Neuronales.
1950 - Karl Lashley. En sus series de ensayos, encontr que la informacin no
era almacenada en forma centralizada en el cerebro sino que era distribuida encima de
l.
1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona para
indicar el nacimiento de la inteligencia artificial.
1957 - Frank Rosenblatt. Comenz el desarrollo del Perceptron. Esta es la red
neuronal ms antigua; utilizndose hoy en da para aplicacin como identificador de
patrones. Este modelo era capaz de generalizar, es decir, despus de haber aprendido
una serie de patrones poda reconocer otros similares, aunque no se le hubiesen
presentado en el entrenamiento. Sin embargo, tena una serie de limitaciones, por
ejemplo, su incapacidad para resolver el problema de la funcin OR-exclusiva y, en
general, era incapaz de clasificar clases no separables linealmente.
1959 - Frank Rosenblatt: Principios de Neurodinmica. En este libro confirm
que, bajo ciertas condiciones, el aprendizaje del Perceptron converga hacia un estado
finito (Teorema de Convergencia del Perceptron).
1960 - Bernard Widroff/Marcian Hoff. Desarrollaron el modelo Adaline
(ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un
problema real (filtros adaptativos para eliminar ecos en las lneas telefnicas) que se ha
utilizado comercialmente durante varias dcadas.
1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones
tcnicas (memoria asociativa).
1969 - Marvin Minsky/Seymour Papert. En este ao casi se produjo la muerte
abrupta de las Redes Neuronales; ya que Minsky y Papert probaron (matemticamente)
que el Perceptrons no era capaz de resolver problemas relativamente fciles, tales como
6

el aprendizaje de una funcin no-lineal. Esto demostr que el Perceptron era muy dbil,
dado que las funciones no-lineales son extensamente empleadas en computacin y en
los problemas del mundo real.
1974 - Paul Werbos. Desarroll la idea bsica del algoritmo de aprendizaje de
propagacin hacia atrs (backpropagation); cuyo significado qued definitivamente
aclarado en 1985.
1977 - Stephen Grossberg: Teora de Resonancia Adaptada (TRA). La Teora de
Resonancia Adaptada es una arquitectura de red que se diferencia de todas las dems
previamente inventadas. La misma simula otras habilidades del cerebro: memoria a
largo y corto plazo.
1985 - John Hopfield. Provoc el renacimiento de las redes neuronales con su
libro: Computacin neuronal de decisiones en problemas de optimizacin.
1986 - David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje
de propagacin hacia atrs (backpropagation).
A partir de 1986, el panorama fue alentador con respecto a las
investigaciones y el desarrollo de las redes neuronales. En la actualidad, son
numerosos los trabajos que se realizan y publican cada ao, las aplicaciones
nuevas que surgen (sobretodo en el rea de control) y las empresas que lanzan
al mercado productos nuevos, tanto hardware como software (sobre todo para
simulacin).

Generalidades

3.1 Definiciones de una red neuronal.

Existen numerosas formas de definir a las redes neuronales; desde las
definiciones cortas y genricas hasta las que intentan explicar ms detalladamente qu
son las redes neuronales. Por ejemplo:
1) Una nueva forma de computacin, inspirada en modelos biolgicos.
2) Un modelo matemtico compuesto por un gran nmero de elementos
procesales organizados en niveles.
3) ...un sistema de computacin compuesto por un gran nmero de elementos
simples, elementos de procesos muy interconectados, los cuales procesan informacin
por medio de su estado dinmico como respuesta a entradas externas.
4) Redes neuronales artificiales son redes interconectadas masivamente en
paralelo de elementos simples (usualmente adaptativos) y con organizacin jerrquica,
las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo
hace el sistema nervioso biolgico.

3.2 Ventajas que ofrecen las red neuronal.

Debido a su constitucin y a sus fundamentos, las redes neuronales artificiales
presentan un gran nmero de caractersticas semejantes a las del cerebro. Por ejemplo,
son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos
casos, de abstraer caractersticas esenciales a partir de entradas que representan
informacin irrelevante, etc. Esto hace que ofrezcan numerosas ventajas y que este tipo
de tecnologa se est aplicando en mltiples reas. Entre las ventajas se incluyen:

Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas basadas en
un entrenamiento o en una experiencia inicial.

Auto-organizacin. Una red neuronal puede crear su propia organizacin o
representacin de la informacin que recibe mediante una etapa de aprendizaje.

Tolerancia a fallos. La destruccin parcial de una red conduce a una
degradacin de su estructura; sin embargo, algunas capacidades de la red se pueden
retener, incluso sufriendo un gran dao.

Operacin en tiempo real. Los cmputos neuronales pueden ser realizados en
paralelo; para esto se disean y fabrican mquinas con hardware especial para obtener
esta capacidad.

Fcil insercin dentro de la tecnologa existente. Se pueden obtener chips
especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello
facilitar la integracin modular en los sistemas existentes.

3.2.1 Aprendizaje adaptativo.

La capacidad de aprendizaje adaptativo es una de las caractersticas ms
atractivas de redes neuronales. Esto es, aprenden a llevar a cabo ciertas tareas mediante
un entrenamiento con ejemplos ilustrativos.
Como las redes neuronales pueden aprender a diferenciar patrones mediante
ejemplos y entrenamientos, no es necesario elaborar modelos a priori ni necesidad de
especificar funciones de distribucin de probabilidad.
Las redes neuronales son sistemas dinmicos autoadaptativos. Son adaptables
debido a la capacidad de autoajuste de los elementos procesales (neuronas) que
componen el sistema. Son dinmicos, pues son capaces de estar constantemente
cambiando para adaptarse a las nuevas condiciones.
En el proceso de aprendizaje, los enlaces ponderados de las neuronas se ajustan
de manera que se obtengan ciertos resultados especficos. Una red neuronal no necesita
un algoritmo para resolver un problema, ya que ella puede generar su propia
distribucin de pesos en los enlaces mediante el aprendizaje. Tambin existen redes que
continan aprendiendo a lo largo de su vida, despus de completado su perodo de
entrenamiento.
La funcin del diseador es nicamente la obtencin de la arquitectura
apropiada. No es problema del diseador el cmo la red aprender a discriminar. Sin
embargo, s es necesario que desarrolle un buen algoritmo de aprendizaje que le
proporcione a la red la capacidad de discriminar, mediante un entrenamiento con
patrones.

3.2.2 Auto-organizacin.
Las redes neuronales emplean su capacidad de aprendizaje adaptativo para
autoorganizar la informacin que reciben durante el aprendizaje y/o la operacin.
Mientras que el aprendizaje es la modificacin de cada elemento procesal, la
autoorganizacin consiste en la modificacin de la red neuronal completa para llevar a
cabo un objetivo especfico.
Cuando las redes neuronales se usan para reconocer ciertas clases de patrones,
ellas autoorganizan la informacin usada. Por ejemplo, la red llamada backpropagation,
crear su propia representacin caracterstica, mediante la cual puede reconocer ciertos
patrones.
Esta autoorganizacin provoca la generalizacin: facultad de las redes
neuronales de responder apropiadamente cuando se les presentan datos o situaciones a
las que no haba sido expuesta anteriormente. El sistema puede generalizar la entrada
para obtener una respuesta. Esta caracterstica es muy importante cuando se tiene que
solucionar problemas en los cuales la informacin de entrada no es muy clara; adems
permite que el sistema d una solucin, incluso cuando la informacin de entrada est
especificada de forma incompleta.

3.2.3

Tolerancia a fallos.

Las redes neuronales fueron los primeros mtodos computacionales con la

capacidad inherente de tolerancia a fallos. Comparados con los sistemas

computacionales tradicionales, los cuales pierden su funcionalidad cuando sufren un

pequeo error de memoria, en las redes neuronales, si se produce un fallo en un nmero
no muy grande de neuronas y aunque el comportamiento del sistema se ve influenciado,
no sufre una cada repentina.
Hay dos aspectos distintos respecto a la tolerancia a fallos:
a) Las redes pueden aprender a reconocer patrones con ruido, distorsionados o
incompletos. Esta es una tolerancia a fallos respecto a los datos.
b) Las redes pueden seguir realizando su funcin (con cierta degradacin)
aunque se destruya parte de la red.
La razn por la que las redes neuronales son tolerantes a los fallos es que tienen
su informacin distribuida en las conexiones entre neuronas, existiendo cierto grado de
redundancia en este tipo de almacenamiento. La mayora de los ordenadores
algortmicos y sistemas de recuperacin de datos almacenan cada pieza de informacin
en un espacio nico, localizado y direccionable. En cambio, las redes neuronales
almacenan informacin no localizada. Por lo tanto, la mayora de las interconexiones
entre los nodos de la red tendrn sus valores en funcin de los estmulos recibidos, y se
generar un patrn de salida que represente la informacin almacenada.

3.2.4 Operacin en tiempo real.

Una de las mayores prioridades, casi en la totalidad de las reas de aplicacin, es
la necesidad de realizar procesos con datos de forma muy rpida. Las redes neuronales
se adaptan bien a esto debido a su implementacin paralela. Para que la mayora de las
redes puedan operar en un entorno de tiempo real, la necesidad de cambio en los pesos
de las conexiones o entrenamiento es mnimo.

3.2.5 Fcil insercin dentro de la tecnologa existente.

Una red individual puede ser entrenada para desarrollar una nica y bien
definida tarea (tareas complejas, que hagan mltiples selecciones de patrones,
requerirn sistemas de redes interconectadas). Con las herramientas computacionales
existentes (no del tipo PC), una red puede ser rpidamente entrenada,
comprobada, verificada y trasladada a una implementacin hardware de bajo
coste. Por lo tanto, no se presentan dificultades para la insercin de redes
neuronales en aplicaciones especficas, por ejemplo de control, dentro de los
sistemas existentes. De esta manera, las redes neuronales se pueden utilizar para
mejorar sistemas en forma incremental y cada paso puede ser evaluado antes de
acometer un desarrollo ms amplio.

3.3 Redes neuronales y computadoras digitales.

Para entender el potencial de la computacin neuronal, sera necesario hacer una
breve distincin entre sistemas de computacin neuronales y digitales: los sistemas
neurolgicos no aplican principios de circuitos lgicos o digitales.
Un sistema de computacin digital debe ser sncrono o asncrono. Si fuera
asncrono, la duracin de los impulsos neuronales debera ser variable para mantener
uno de los valores binarios por periodos de tiempo indefinido, lo cual no es el caso. Si el
10

principio fuera sncrono, se necesitara un reloj global o maestro con el cual los pulsos
estn sincronizados. ste tampoco es el caso. Las neuronas no pueden ser circuitos de
umbral lgico, porque hay miles de entradas variables en la mayora de las neuronas y el
umbral es variable con el tiempo, siendo afectado por la estimulacin, atenuacin, etc.
La precisin y estabilidad de tales circuitos no es suficiente para definir ninguna funcin
booleana. Los procesos colectivos que son importantes en computacin neuronal no
pueden implementarse por computacin digital. Por todo ello, el cerebro debe ser un
computador analgico.
Ni las neuronas ni las sinapsis son elementos de memoria biestable. Todos
los hechos fisiolgicos hablan a favor de las acciones de las neuronas como integradores
analgicos, y la eficiencia de la sinapsis cambia de forma gradual, lo cual no es
caracterstico de sistemas biestables.
Los circuitos del cerebro no implementan computacin recursiva y por lo tanto
no son algortmicos. Debido a los problemas de estabilidad, los circuitos neuronales no
son suficientemente estables para definiciones recursivas de funciones como en
computacin digital. Un algoritmo, por definicin, define una funcin recursiva.

11

Elementos Bsicos

4.1 Elementos bsicos que componen una red neuronal.

I1

O1

I2

O2

In

On

Salidas

Entradas

A continuacin se puede ver, en la Figura 4.1, un esquema de una red neuronal:

Capa de
Capas
Capa de
entrada
ocultas
salida
Figura 4.1: ejemplo de una red neuronal totalmente conectada.

La misma est constituida por neuronas interconectadas y arregladas en tres

capas (esto ltimo puede variar). Los datos ingresan por medio de la capa de entrada,
pasan a travs de la capa oculta y salen por la capa de salida. Cabe mencionar que
la capa oculta puede estar constituida por varias capas.
Antes de comenzar el estudio sobre las redes neuronales, se debe aprender algo
sobre las neuronas y de cmo ellas son utilizadas por una red neuronal. En la Figura 4.2
se compara una neurona biolgica con una neurona artificial. En la misma se pueden
observar las similitudes entre ambas (tienen entradas, utilizan pesos y generan salidas).

Dendritas (entradas)
Sinapsis (pesos)
Axon (salidas)

Figura 4.2: comparacin entre una neurona biolgica (izquierda) y una artificial (derecha).

Mientras una neurona es muy pequea en s misma, cuando se combinan cientos,

miles o millones de ellas pueden resolver problemas muy complejos. Por ejemplo el
cerebro humano se compone de billones de tales neuronas.

4.2 Funcin de entrada (input function).

La neurona trata a muchos valores de entrada como si fueran uno solo; esto
recibe el nombre de entrada global. Por lo tanto, ahora nos enfrentamos al problema de
cmo se pueden combinar estas simples entradas (ini1, ini2, ...) dentro de la entrada
12

global, gini. Esto se logra a travs de la funcin de entrada, la cual se calcula a partir del
vector entrada. La funcin de entrada puede describirse como sigue:
inputi = (ini1 wi1)* (ini2 wi2)*... (inin win)
donde: * representa al operador apropiado (por ejemplo: mximo, sumatoria,
productoria, etc.), n al nmero de entradas a la neurona Ni y wi al peso.
Los valores de entrada se multiplican por los pesos anteriormente ingresados a la
neurona. Por consiguiente, los pesos que generalmente no estn restringidos cambian la
medida de influencia que tienen los valores de entrada. Es decir, que permiten que un
gran valor de entrada tenga solamente una pequea influencia, si estos son lo
suficientemente pequeos.

Figura 4.3: ejemplo de una neurona con 2 entradas y 1 salida.

La nomenclatura utilizada en la Figura 4.3 es la siguiente: ini1 = entrada nmero

1 a la neurona Ni; wi1 = peso correspondiente a ini1; ini2 = entrada nmero 2 a la
neurona Ni; wi2 = peso correspondiente a ini2; y outi = salida de la neurona Ni. El
conjunto de todas las n entradas ini = (ini1, ini2, ..., inin) es comnmente llamado vector
entrada.
Algunas de las funciones de entrada ms comnmente utilizadas y conocidas
son:
1) Sumatoria de las entradas pesadas: es la suma de todos los valores de
entrada a la neurona, multiplicados por sus correspondientes pesos.

(n

ij

wij ) ,

con j = 1, 2, ..., n

2) Productoria de las entradas pesadas: es el producto de todos los valores de

entrada a la neurona, multiplicados por sus correspondientes pesos.

(n

ij

wij ) , con j = 1, 2, ..., n

3) Mximo de las entradas pesadas: solamente toma en consideracin el valor

de entrada ms fuerte, previamente multiplicado por su peso correspondiente.

Max (nij wij ) con j = 1, 2, ..., n

j

13

4.3 Funcin de activacin (activation function).

Una neurona biolgica puede estar activa (excitada) o inactiva (no excitada); es
decir, que tiene un estado de activacin. Las neuronas artificiales tambin tienen
diferentes estados de activacin; algunas de ellas solamente dos, al igual que las
biolgicas, pero otras pueden tomar cualquier valor dentro de un conjunto determinado.
La funcin activacin calcula el estado de actividad de una neurona;
transformando la entrada global (menos el umbral, i) en un valor (estado) de
activacin, cuyo rango normalmente va de (0 a 1) o de (1 a 1). Esto es as, porque una
neurona puede estar totalmente inactiva (0 o 1) o activa (1).
La funcin activacin, es una funcin de la entrada global (gini) menos el umbral
(i). Las funciones de activacin ms comnmente utilizadas se detallan a
continuacin:
1) Funcin lineal:
1

f ( x ) = a * x
1

x 1 / a
- 1/a < x < 1 / a
x 1/ a

con x = gini - i, y a > 0.

Los valores de salida obtenidos por
medio de esta funcin de activacin sern:
a(gini - i), cuando el argumento de (gini - i) Figura 4.4: funcin de activacin lineal.
est comprendido dentro del rango (-1/a, 1/a).
Por encima o por debajo de esta zona se fija la salida en 1 o 1, respectivamente.
Cuando a = 1 (siendo que la misma afecta la pendiente de la grfica), la salida es igual a
la entrada.
2) Funcin sigmoidea:
f ( x) =

1
, con x = gini - i.
1 + e g x

Los valores de salida que

proporciona esta funcin estn comprendidos
dentro de un rango que va de 0 a 1. Al
modificar el valor de g se ve afectada la
pendiente de la funcin de activacin.

Figura 4.5: funcin de activacin sigmoidea

3) Funcin tangente hiperblica:

f ( x) =

eg x eg x
, con x = gini - i.
e g x + e g x

Los valores de salida de la funcin

tangente hiperblica estn comprendidos dentro de
un rango que va de -1 a 1. Al modificar el valor de g
se ve afectada la pendiente de la funcin de
activacin.

14

Figura 4.6: funcin de activacin

tangente hiperblica.

Para explicar porque se utilizan estas funciones de activacin se suele emplear la

analoga a la aceleracin de un automvil. Cuando un auto inicia su movimiento
necesita una potencia elevada para comenzar a acelerar. Pero al ir tomando velocidad,
este demanda un menor incremento de dicha potencia para mantener la aceleracin. Al
llegar a altas velocidades, nuevamente un amplio incremento en la potencia es necesario
para obtener una pequea ganancia de velocidad. En resumen, en ambos extremos del
rango de aceleracin de un automvil se demanda una mayor potencia para la
aceleracin que en la mitad de dicho rango.

4.4 Funcin de salida (output function).

El ltimo componente que una neurona necesita es la funcin de salida. El valor

resultante de esta funcin es la salida de la neurona i (outi); por ende, la funcin de
salida determina que valor se transfiere a las neuronas vinculadas. Si la funcin de
activacin est por debajo de un umbral determinado, ninguna salida se pasa a la
neurona subsiguiente. Normalmente, no cualquier valor es permitido como una entrada
para una neurona, por lo tanto, los valores de salida estn comprendidos en el rango
[0, 1] o [-1, 1]. Tambin pueden ser binarios {0, 1} o {-1, 1}.
Dos de las funciones de salida ms comunes son:

Ninguna: este es el tipo de funcin ms sencillo, tal que la salida es la misma
que la entrada. Es tambin llamada funcin identidad.

1
Binaria:
0

si act i i

, donde i es el umbral.

de lo contrario

15

Aprendizaje, Validacin y Codificacin

5.1 Niveles o capas de una red neuronal.

La distribucin de neuronas dentro de la red se realiza formando niveles o

capas, con un nmero determinado de dichas neuronas en cada una de ellas. A partir de
su situacin dentro de la red, se pueden distinguir tres tipos de capas:
- De entrada: es la capa que recibe directamente la informacin proveniente
de las fuentes externas de la red.
- Ocultas: son internas a la red y no tienen contacto directo con el entorno
exterior. El nmero de niveles ocultos puede estar entre cero y un nmero elevado. Las
neuronas de las capas ocultas pueden estar interconectadas de distintas maneras, lo que
determina, junto con su nmero, las distintas topologas de redes neuronales.
-

De salidas: transfieren informacin de la red hacia el exterior.

En la Figura 4.1 se puede ver el ejemplo de la estructura de una posible red

multicapa, en la que cada nodo o neurona nicamente est conectada con neuronas de
un nivel superior. Notar que hay ms conexiones que neuronas en s; en este sentido, se
dice que una red es totalmente conectada si todas las salidas desde un nivel llegan a
todos y cada uno de los nodos del nivel siguiente.

5.2 Tipos de neuronas artificiales.

Las neuronas artificiales se pueden clasificar de acuerdo a los valores que

pueden tomar. Por ahora es suficiente distinguir entre dos tipos principales:
a- Neuronas binarias.
b- Neuronas reales.
Las neuronas binarias solamente pueden tomar valores dentro del intervalo
{0, 1} o {-1, 1}, mientras que las neuronas reales pueden hacerlo dentro del rango
[0, 1] o [-1, 1]. Los peso normalmente no estn restringidos a un cierto intervalo,
aunque para aplicaciones especficas puede ser esto necesario.

5.3 Tcnicas de decisin.

En general, el proceso de decisin puede ser caracterizado como se muestra en el

diagrama de la Figura 5.1:

16

Entrada:
descripcin de
la situacin.

Salida:
descripcin de
la decisin.

Encontrar la decisin
por procesamiento de la
informacin de entrada.

Salida de la red
neuronal.

Entrada de la
red neuronal.

Figura 5.1: esquema del proceso de decisin.

Lo mismo ocurre cuando se utiliza una red neuronal como un sistema de sostn
de decisiones. La salida de la red neuronal es directa o indirectamente la solucin al
problema o la decisin a tomar. Por ejemplo: si uno desea determinar si un cliente, el
cual est preguntando por la solicitud de un crdito, es un buen candidato (lo que
significa que es confiable, o sea, que puede devolver el crdito solicitado), se podran
tomar en consideracin variables o atributos tales como antecedentes de crditos,
pasivo, garantas y ganancias. Las variables o atributos pertenecientes a un cliente
especfico son las entradas al proceso de decisin. El resultado de tal proceso podra ser
una decisin similar a la siguiente: cliente bueno o cliente malo.
Los atributos expuestos en la Tabla 5.1 sern tomados en cuenta para el caso del
puntaje para un crdito:
Abreviacin

Nombre

A1

Historia de crditos

A2

Pasivo

A3

Garanta

A4

Ganancia

Valores
Mala
Desconocida
Buena
Alto
Bajo
Ninguna
Adecuada
1 (baja)
2 (adecuada)
3 (alta)

Tabla 5.1

A menudo las reglas que muestran la lgica (o falta de lgica) sobre las que se
basan las decisiones no son tan obvias. Por lo tanto, una persona que no conoce mucho
acerca del sujeto que solicita el prstamo, no puede tomar una decisin correcta. Notar
que aqu los valores son ms bien simblicos que numricos. Las redes neuronales
reales necesitan entradas numricas, pero por el momento se utilizarn entradas
simblicas para facilitar el entendimiento.
En la Tabla 5.2 se presenta un conjunto de datos de anteriores situaciones de
decisin, cada una de ellas caracterizada por diferentes valores de las variables de
entrada, con su respectiva decisin (0 es un cliente bueno, 1 uno promedio y 2 uno
malo).

17

N
01
02
03
04
05
06
07
08
09
10
11
12
13
14

A1
malo
conocido
conocido
conocido
conocido
conocido
malo
malo
bueno
bueno
bueno
bueno
bueno
bueno

A2
A3
alto
ninguno
alto
ninguno
bajo
ninguno
bajo
ninguno
bajo
ninguno
bajo
adecuado
bajo
ninguno
bajo
adecuado
bajo
ninguno
alto
adecuado
alto
ninguno
alto
ninguno
alto
ninguno
alto
ninguno
Tabla 5.2

A4
1
2
2
1
3
3
1
3
3
3
1
2
3
2

Clase
2
2
1
2
0
0
2
1
0
0
2
1
0
2

Dentro de esta base de datos yace el procedimiento de decisin, o en otras

palabras, la regla de decisin que conforma las bases para el problema de decisin:
puntaje para un crdito.
La pregunta a contestar ahora es: puede encontrarse una estructura o regla de
decisin en este conjunto de datos? La respuesta es si, las redes neuronales pueden
hallar una regla de decisin a travs de un conjunto de datos como el presentado en la
Tabla 5.2.

5.4 Mecanismos de aprendizaje.

Se ha visto que los datos de entrada se procesan a travs de la red neuronal con
el propsito de lograr una salida. Tambin se dijo que las redes neuronales extraen
generalizaciones desde un conjunto determinado de ejemplos anteriores de tales
problemas de decisin. Una red neuronal debe aprender a calcular la salida correcta para
cada constelacin (arreglo o vector) de entrada en el conjunto de ejemplos. Este proceso
de aprendizaje se denomina: proceso de entrenamiento o acondicionamiento. El
conjunto de datos (o conjunto de ejemplos) sobre el cual este proceso se basa es, por
ende, llamado: conjunto de datos de entrenamiento.
Si la topologa de la red y las diferentes funciones de cada neurona (entrada,
activacin y salida) no pueden cambiar durante el aprendizaje, mientras que los pesos
sobre cada una de las conexiones si pueden hacerlo; el aprendizaje de una red neuronal
significa: adaptacin de los pesos.
En otras palabras el aprendizaje es el proceso por el cual una red neuronal
modifica sus pesos en respuesta a una informacin de entrada. Los cambios que se
producen durante el mismo se reducen a la destruccin, modificacin y creacin de
conexiones entre las neuronas. En los sistemas biolgicos existe una continua
destruccin y creacin de conexiones entre las neuronas. En los modelos de redes
neuronales artificiales, la creacin de una nueva conexin implica que el peso de la
misma pasa a tener un valor distinto de cero. De la misma manera, una conexin se
destruye cuando su peso pasa a ser cero.

18

Durante el proceso de aprendizaje, los pesos de las conexiones de la red sufren

modificaciones, por lo tanto, se puede afirmar que este proceso ha terminado (la red ha
aprendido) cuando los valores de los pesos permanecen estables (dwij/dt = 0).
Un aspecto importante respecto al aprendizaje de las redes neuronales es el
conocer cmo se modifican los valores de los pesos, es decir, cules son los criterios
que se siguen para cambiar el valor asignado a las conexiones cuando se pretende que
la red aprenda una nueva informacin.
Hay dos mtodos de aprendizaje importantes que pueden distinguirse:
a- Aprendizaje supervisado.
b- Aprendizaje no supervisado.
Otro criterio que se puede utilizar para diferenciar las reglas de aprendizaje se
basa en considerar si la red puede aprender durante su funcionamiento habitual o si el
aprendizaje supone la desconexin de la red, es decir, su inhabilitacin hasta que el
proceso termine. En el primer caso, se tratara de un aprendizaje on line, mientras que
el segundo es lo que se conoce como off line.
Cuando el aprendizaje es off line, se distingue entre una fase de aprendizaje o
entrenamiento y una fase de operacin o funcionamiento, existiendo un conjunto de
datos de entrenamiento y un conjunto de datos de test o prueba, que sern utilizados en
la correspondiente fase. Adems, los pesos de las conexiones permanecen fijos despus
que termina la etapa de entrenamiento de la red. Debido precisamente a su carcter
esttico, estos sistemas no presentan problemas de estabilidad en su funcionamiento.
Una generalizacin de la frmula o regla para decir los cambios en los pesos es
la siguiente:
Peso Nuevo = Peso Viejo + Cambio de Peso

Matemticamente esto es:

wij(t+1) = wij(t) + wij(t)

donde t hace referencia a la etapa de aprendizaje, wij(t+1) al peso nuevo y wij(t) al peso
viejo.

5.4.1

Aprendizaje supervisado.

El aprendizaje supervisado se caracteriza porque el proceso de aprendizaje se

realiza mediante un entrenamiento controlado por un agente externo (supervisor,
maestro) que determina la respuesta que debera generar la red a partir de una entrada
determinada. El supervisor controla la salida de la red y en caso de que sta no coincida
con la deseada, se proceder a modificar los pesos de las conexiones, con el fin de
conseguir que la salida obtenida se aproxime a la deseada.
En este tipo de aprendizaje se suelen considerar, a su vez, tres formas de llevarlo
a cabo, que dan lugar a los siguientes aprendizajes supervisados:
1) Aprendizaje por correccin de error.
2) Aprendizaje por refuerzo.
3) Aprendizaje estocstico.

19

5.4.1.1 Aprendizaje por correccin de error.

Consiste en ajustar los pesos de las conexiones de la red en funcin de la

diferencia entre los valores deseados y los obtenidos a la salida de la red, es decir, en
funcin del error cometido en la salida.
Un ejemplo de este tipo de algoritmos lo constituye la regla de aprendizaje del
Perceptron, utilizada en el entrenamiento de la red del mismo nombre que desarroll
Rosenblatt en 1958 [Rosenblatt 58]. Esta es una regla muy simple, para cada neurona en
la capa de salida se le calcula la desviacin a la salida objetivo como el error, . El cual
luego se utiliza para cambiar los pesos sobre la conexin de la neurona precedente. El
cambio de los pesos por medio de la regla de aprendizaje del Perceptron se realiza
segn la siguiente regla:
wij = *outj*(aqi outi);
donde: aqi es la salida deseada/objetivo de la neurona de salida Ni, i = (aqi outi) la
desviacin objetivo de la neurona Ni y el aprendizaje.
La salida de la neurona Nj (outj) se utiliza, porque este valor influye en la entrada
global y, por ende, en la activacin y luego en la salida de la neurona Ni. Esto es
semejante a un efecto en cadena. Ver Figura 5.2
inj

Nj

outj

peso

ini

Ni

outi

Figura 5.2: influencia de la salida de la

neurona Nj en la entrada de la neurona Ni.

Otro algoritmo muy conocido y que pertenece a esta clasificacin es la regla de

aprendizaje Delta o regla del mnimo error cuadrado (LMS Error: Least Mean Squared
Error), que tambin utiliza la desviacin a la salida objetivo, pero toma en consideracin
a todas las neuronas predecesoras que tiene la neurona de salida. Esto permite
cuantificar el error global cometido en cualquier momento durante el proceso de
entrenamiento de la red, lo cual es importante, ya que cuanto ms informacin se tenga
sobre el error cometido, ms rpido se puede aprender. Luego el error calculado () es
igualmente repartido entre las conexiones de las neuronas predecesoras.
Por ltimo se debe mencionar la regla de aprendizaje de propagacin hacia
atrs o de backpropagation, tambin conocido como regla LMS multicapa, la cual es
una generalizacin de la regla de aprendizaje Delta. Esta es la primer regla de
aprendizaje que permiti realizar cambios sobre los pesos en las conexiones de la capa
oculta.

5.4.1.2 Aprendizaje por refuerzo.

Se trata de un aprendizaje supervisado, ms lento que el anterior, que se basa en

la idea de no disponer de un ejemplo completo del comportamiento deseado, es decir, de
no indicar durante el entrenamiento exactamente la salida que se desea que proporcione
la red ante una determinada entrada.
En el aprendizaje por refuerzo la funcin del supervisor se reduce a indicar
mediante una seal de refuerzo si la salida obtenida en la red se ajusta a la deseada
(xito = +1 o fracaso = -1), y en funcin de ello se ajustan los pesos basndose en un
20

mecanismo de probabilidades. Se podra decir que en este tipo de aprendizaje la funcin

del supervisor se asemeja ms a la de un crtico (que opina sobre la respuesta de la red)
que a la de un maestro (que indica a la red la respuesta concreta que debe generar),
como ocurra en el caso de supervisin por correccin del error.

5.4.1.3 Aprendizaje estocstico.

Consiste bsicamente en realizar cambios aleatorios en los valores de los pesos

de las conexiones de la red y evaluar su efecto a partir del objetivo deseado y de
distribuciones de probabilidad.
En el aprendizaje estocstico se suele hacer una analoga en trminos
termodinmicos, asociando a la red neuronal con un slido fsico que tiene cierto estado
energtico. En el caso de la red, la energa de la misma representara el grado de
estabilidad de la red, de tal forma que el estado de mnima energa correspondera a una
situacin en la que los pesos de las conexiones consiguen que su funcionamiento sea el
que ms se ajusta al objetivo deseado.
Segn lo anterior, el aprendizaje consistira en realizar un cambio aleatorio de
los valores de los pesos y determinar la energa de la red (habitualmente la funcin
energa es una funcin de Liapunov). Si la energa es menor despus del cambio, es
decir, si el comportamiento de la red se acerca al deseado, se acepta el cambio; si, por el
contrario, la energa no es menor, se aceptara el cambio en funcin de una determinada
y preestablecida distribucin de probabilidades.

5.4.2

Aprendizaje no supervisado.

Las redes con aprendizaje no supervisado (tambin conocido como

autosupervisado) no requieren influencia externa para ajustar los pesos de las
conexiones entre sus neuronas. La red no recibe ninguna informacin por parte del
entorno que le indique si la salida generada en respuesta a una determinada entrada es o
no correcta.
Estas redes deben encontrar las caractersticas, regularidades, correlaciones o
categoras que se puedan establecer entre los datos que se presenten en su entrada.
Existen varias posibilidades en cuanto a la interpretacin de la salida de estas redes, que
dependen de su estructura y del algoritmo de aprendizaje empleado.
En algunos casos, la salida representa el grado de familiaridad o similitud entre
la informacin que se le est presentando en la entrada y las informaciones que se le han
mostrado hasta entonces (en el pasado). En otro caso, podra realizar una clusterizacin
(clustering) o establecimiento de categoras, indicando la red a la salida a qu categora
pertenece la informacin presentada a la entrada, siendo la propia red quien debe
encontrar las categoras apropiadas a partir de las correlaciones entre las informaciones
presentadas.
En cuanto a los algoritmos de aprendizaje no supervisado, en general se suelen
considerar dos tipos, que dan lugar a los siguientes aprendizajes:
1) Aprendizaje hebbiano.
2) Aprendizaje competitivo y comparativo.

21

5.4.2.1 Aprendizaje hebbiano.

Esta regla de aprendizaje es la base de muchas otras, la cual pretende medir la

familiaridad o extraer caractersticas de los datos de entrada. El fundamento es una
suposicin bastante simple: si dos neuronas Ni y Nj toman el mismo estado
simultneamente (ambas activas o ambas inactivas), el peso de la conexin entre ambas
se incrementa.
Las entradas y salidas permitidas a la neurona son: {-1, 1} o {0, 1} (neuronas
binarias). Esto puede explicarse porque la regla de aprendizaje de Hebb se origin a
partir de la neurona biolgica clsica, que solamente puede tener dos estados: activa o
inactiva.

5.4.2.2 Aprendizaje competitivo y comparativo.

Se orienta a la clusterizacin o clasificacin de los datos de entrada. Como

caracterstica principal del aprendizaje competitivo se puede decir que, si un patrn
nuevo se determina que pertenece a una clase reconocida previamente, entonces la
inclusin de este nuevo patrn a esta clase matizar la representacin de la misma. Si el
patrn de entrada se determin que no pertenece a ninguna de las clases reconocidas
anteriormente, entonces la estructura y los pesos de la red neuronal sern ajustados para
reconocer la nueva clase.

5.5 Eleccin del conjunto inicial de pesos.

Antes de comenzar el proceso de entrenamiento se debe determinar un estado

inicial, lo que significa: escoger un conjunto inicial de pesos para las diversas
conexiones entre las neuronas de la red neuronal. Esto puede realizarse por varios
criterios; por ejemplo uno de ellos es otorgar un peso aleatorio a cada conexin,
encontrndose los mismos dentro de un cierto intervalo. Generalmente un intervalo del
tipo [-n, n], donde n es un nmero natural positivo.
Cabe mencionar que durante el transcurso del entrenamiento los pesos no se
encuentran restringidos a dicho intervalo.

5.6 Detencin del proceso de aprendizaje.

Para determinar cundo se detendr el proceso de aprendizaje, es necesario

establecer una condicin de detencin.
Normalmente el entrenamiento se detiene cuando el clculo del error cuadrado
sobre todos los ejemplos de entrenamiento ha alcanzado un mnimo o cuando para cada
uno de los ejemplos dados, el error observado est por debajo de un determinado
umbral. Ya que para controlar este proceso, la mayor parte de las herramientas de las
redes neuronales muestran estos errores utilizando grficos especiales; los cuales no son
utilizados para el aprendizaje, si no que solamente para dar un indicio del proceso en s
mismo.
Otra condicin de detencin del aprendizaje puede ser cuando un cierto nmero
de ciclos y/o pasos de entrenamiento hayan sido completamente corridos.

22

Luego de alcanzarse la condicin de detencin, los pesos no se volvern a

cambiar. Entonces podemos decir que la transformacin de los datos de entrada a los de
salida est resuelta. Esto se puede interpretar como una funcin f oculta en el conjunto
de la red neuronal. Esta funcin es exactamente la instruccin de cmo la salida ser
calculada a partir de una constelacin (vector) de entrada.
El orden en que los ejemplos de entrenamiento se presentan a la red neuronal es
otro tema importante. En general se ha observado que en la mayora de los casos es
beneficioso realizarlo en forma aleatoria.

5.7 Codificacin de los datos de entrada.

Si se observa nuevamente el ejemplo del problema: puntaje para un crdito

(apartado 5.4), se ve que no hay ningn valor numrico en la base de datos. Por lo tanto
la pregunta es cmo puede entonces una red neuronal calcular una salida? La respuesta
es sencilla; los datos tienen que ser codificados, o sea, deben hallarse valores apropiados
para representar las caractersticas simblicas (alto, bajo, adecuado, etc.).
Se distinguen dos tipo de variables a ser codificadas:
1) Variables o atributos numricos (frecuentemente llamadas continuas).
2) Variables o atributos simblicos (frecuentemente llamados discretos).
Un atributo numrico es aquel que puede tomar cualquier valor dentro de un
cierto intervalo [a, b]; donde a puede ser - (menos infinito) y b, (infinito). Por
ejemplo el peso puede medirse en libras; entonces cualquier valor entre [0, ) est
permitido. Ahora si los pesos son dados por un cierto nmero de trminos, semejantes a:
alto o bajo; entonces el atributo se denomina simblico. Por lo tanto, dividiendo el
intervalo [a, b] de una variable numrica dentro de subintervalos, podemos confeccionar
un atributo continuo pseudodiscreto.
A continuacin, en los apartados 5.7.1 y 5.7.2, sern descriptos en detalle dos
procesos de codificacin; asumiendo que todas las entradas se transforman dentro del
intervalo [0, 1] o {0, 1} (la extensin a [-1, 1] o {-1, 1} es fcil).
5.7.1

Codificacin de los atributos numricos.

Los datos son codificados dentro de un intervalo, [0.0 + buffer de baja, 1.0
buffer de alta], por medio de una funcin lineal. Los buffer (amortiguadores) son
necesarios, especialmente cuando se trabaja con series de tiempo, porque a menudo
puede observarse que una variable numrica cae por debajo del valor mnimo
presenciado hasta el momento, o por encima del mximo. Por medio de esta manera de
codificacin se conduce a un conjunto de valores por encima de 0.0 y por debajo de 1.0,
cuando se utiliza un salto de 0.0 a 1.0

23

Figura 5.3: transformacin de la edad al intervalo [0.1, 0.9]

Por ejemplo, para la Figura 5.3, se debe encontrar la ecuacin que describa la
funcin de transformacin; a la cual llamaremos t y se escribe como sigue:
t: datos originales (x) datos codificados (xnuevos);
t(x) = xnuevos = a * x + b;

donde: a = pendiente y, b = ordenada al origen. De esta manera, para el ejemplo de la

0 .9 0 .1
Figura 5.3 se tiene que a =
y b = 0.1 a * 19.
31 19
De forma genrica:
a=

mx. en el intervalo de codificacin - mn. en el intervalo de codificacin

mx. de los datos originales - mn de los datos originales

b = ( mn. en los datos codificados) - a * (mn en los datos originales)

5.7.2

Codificacin de los atributos simblicos.

Cada atributo simblico que se codifica, se adjunta a una neurona en la capa de

entrada. Si hay n valores simblicos, n neuronas sern necesarias, cada una de ellas con
un conjunto de entradas permitido: {0, 1} (o {-1, 1}). Por este motivo, se utilizan
neuronas binarias.

Viejo
1
0
0

Medio
0
1
0

Entrada: Viejo

Codificacin de la edad
Joven
0
0
1

Figura 5.4: transformacin de la edad en tres atributos simblicos.

Observando la Figura 5.4; la edad slo puede tomar un valor en el ejemplo

dado. En consecuencia, si se tiene el valor de entrada viejo, solamente la neurona
esttica para viejo recibe una entrada de 1 (en el ejemplo: N1), mientras que todas las
dems tendrn una entrada igual a 0.

24

Por supuesto, tambin es posible codificar atributos simblicos utilizando slo

una neurona real (recordar que los valores permitidos para este tipo de neuronas estn
comprendidos en el rango [0, 1] o [1, 1]). Para el ejemplo de la edad, viejo puede
codificarse como 0.333, edad media como 0.666 y joven como 1; siendo el intervalo
permitido de [0, 1]. Tal procedimiento solamente tiene sentido si hay un orden en los
valores que las variables de entrada (o atributos) pueden tomar.
La mayor desventaja de una codificacin binaria es que puede conducir a una
gran capa de entrada.

5.7.3

Resumen de los procedimientos de codificacin.

Nombre
Valores
Variables numricas Numricos
Variables simblicas

sin orden

Procedimiento de codificacin
Funcin de transformacin lineal

# neuronas
1

Cada valor simblico se corresponde

con una neurona de entrada binaria.

n valores simblicos

con orden

Variables
pseudodiscretas

Numricos, pero
dividido dentro de T
subintervalos

Cada valor simblico se codifica

como un segmento del intervalo de
codificacin.

Cada subintervalo corresponde a una

neurona binaria.

5.8 Validacin de la red neuronal.

Despus del proceso de entrenamiento los pesos de las conexiones en la red

neuronal quedan fijos. Como paso siguiente se debe comprobar si la red neuronal puede
resolver nuevos problemas, del tipo general, para los que ha sido entrenada. Por lo tanto,
con el propsito de validar la red neuronal se requiere de otro conjunto de datos,
denominado conjunto de validacin o testeo.
Cada ejemplo del conjunto de evaluacin contiene los valores de las variables de
entrada, con su correspondiente solucin tomada; pero ahora esta solucin no se le es
otorgada a la red neuronal. Luego se compara la solucin calculada para cada ejemplo
de validacin con la solucin conocida.
El nuevo ejemplo utilizado para la validacin se identifica como Eu y su
correspondiente salida correcta como Au (u indica incgnita, en ingls). Ahora el
problema es que hay que decidir cuando la salida de la red neuronal ha de considerarse
como correcta.

5.9 Cuestiones a resolver al trabajar con una red neuronal.

Muchos problemas aparecen cuando se trabaja con redes neuronales.

Primeramente se debe analizar el dominio del problema y decidir a que clase pertenece.
Luego debe decidirse si una red neuronal es adecuada para resolver dicho problema.
Esto es lo que se llama: etapa preliminar. Concluida esta etapa, las siguientes preguntas
han de responderse:
a- Origen de los datos.

Qu datos son de importancia para la situacin del problema definido?

25



Qu variables son relevantes?

De dnde pueden obtenerse los datos?

b- Preparacin y codificacin de los datos.

Cmo preparar y codificar los datos?

c- Topologa de la red (dependiendo parcialmente del tem b-).

Qu tipo de red debe escogerse?

Cuntas capas ocultas y con cuntas neuronas son necesarias?

Cuntas neuronas en la capa de salida (segn la codificacin escogida)?

Qu tipos de neuronas deben escogerse?

Qu regla de aprendizaje escoger?

d- Decisiones concernientes al proceso de aprendizaje.

Cuntos ciclos de aprendizaje?

Qu inicializacin para los pesos?

26

Principales Topologas

6.1 Topologa de las redes neuronales.

La topologa o arquitectura de una red neuronal consiste en la organizacin y

disposicin de las neuronas en la misma, formando capas o agrupaciones de neuronas
ms o menos alejadas de la entrada y salida de dicha red. En este sentido, los parmetros
fundamentales de la red son: el nmero de capas, el nmero de neuronas por capa, el
grado de conectividad y el tipo de conexiones entre neuronas.

6.2 Redes monocapa.

En las redes monocapa, se establecen conexiones entre las neuronas que

pertenecen a la nica capa que constituye la red. Las redes monocapas se utilizan
generalmente en tareas relacionadas con lo que se conoce como autoasociacin
(regenerar informacin de entrada que se presenta a la red de forma incompleta o
distorsionada).

6.3 Redes multicapa.

Las redes multicapas son aquellas que disponen de un conjunto de neuronas

agrupadas en varios (2, 3, etc.) niveles o capas. En estos casos, una forma para
distinguir la capa a la que pertenece una neurona, consistira en fijarse en el origen de
las seales que recibe a la entrada y el destino de la seal de salida. Normalmente,
todas las neuronas de una capa reciben seales de entrada desde otra capa anterior (la
cual est ms cerca a la entrada de la red), y envan seales de salida a una capa
posterior (que est ms cerca a la salida de la red). A estas conexiones se las denomina
conexiones hacia adelante o feedforward.
Sin embargo, en un gran nmero de estas redes tambin existe la posibilidad de
conectar la salida de las neuronas de capas posteriores a la entrada de capas anteriores;
a estas conexiones se las denomina conexiones hacia atrs o feedback.
Estas dos posibilidades permiten distinguir entre dos tipos de redes con
mltiples capas: las redes con conexiones hacia adelante o redes feedforward, y las
redes que disponen de conexiones tanto hacia adelante como hacia atrs o redes
feedforward/feedback.

6.4 Conexin entre neuronas.

La conectividad entre los nodos de una red neuronal est relacionada con la
forma en que las salidas de las neuronas estn canalizadas para convertirse en entradas
de otras neuronas. La seal de salida de un nodo puede ser una entrada de otro elemento
de proceso, o incluso ser una entrada de s mismo (conexin autorrecurrente).
Cuando ninguna salida de las neuronas es entrada de neuronas del mismo nivel o
de niveles precedentes, la red se describe como de conexin hacia delante (ver Figura
27

4.1). Cuando las salidas pueden ser conectadas como entradas de neuronas de niveles
previos o del mismo nivel, incluyndose ellas mismas, la red es de conexin hacia
atrs.

Las redes de propagacin hacia atrs que tienen lazos cerrados son llamadas:
sistemas recurrentes.

6.5 Redes de propagacin hacia atrs (backpropagation).

El nombre de backpropagation resulta de la forma en que el error es propagado

hacia atrs a travs de la red neuronal, en otras palabras el error se propaga hacia atrs
desde la capa de salida. Esto permite que los pesos sobre las conexiones de las neuronas
ubicadas en las capas ocultas cambien durante el entrenamiento.
El cambio de los pesos en las conexiones de las neuronas adems de influir
sobre la entrada global, influye en la activacin y por consiguiente en la salida de una
neurona. Por lo tanto, es de gran utilidad considerar las variaciones de la funcin
activacin al modificarse el valor de los pesos. Esto se llama sensibilidad de la funcin
activacin, de acuerdo al cambio en los pesos.

6.5.1 Ejemplo.

Una temperatura de 20C provoca que el tiempo de operacin de una mquina

sea de 90 segundos y un incremento de dicha temperatura hasta los 30C causa un
tiempo de operacin de 100 segundos. Cmo influy el incremento de la temperatura
en el tiempo de trabajo de la mquina? Por supuesto, hizo ms lenta la operacin. Pero,
por cunto?
variacin de tiempo
, muestra la reaccin o sensibilidad del
variacin de temperatura
tiempo de trabajo conforme a los cambios suscitados en la temperatura. En
consecuencia, para nuestro ejemplo tenemos que:
El cociente,

100 90
[segundos/ C] = tiempo = 10 [segundos/ C] = 1 [segundos/ C]
30 20
temperatura 10
Esto significa que se produce un incremento de tiempo de aproximadamente 1
segundo, cuando la temperatura se eleva 1C.
Ahora si se supone que en lugar del tiempo se tiene la activacin de una neurona
y en lugar de la temperatura, la entrada global. Dado que la mayora de las funciones de
activacin son no lineales (por ejemplo la funcin sigmoidea o la tangente hiperblica),
se tiene que calcular la derivada de la funcin con respecto al peso; por consiguiente, la
entrada global cambia. Esta derivada se utiliza para cambiar los pesos durante el
proceso de aprendizaje.
Para cada una de las neuronas en la capa de salida, la desviacin objetivo (la cual
es: la salida objetivo menos la salida real) es multiplicada por la derivada de la funcin
activacin. Utilizando la derivada se logra una sintonizacin fina de los pesos cuando
la salida real esta cerca de la salida deseada. Al mirar la Figura 6.1, la misma muestra
una constelacin donde la salida real para una neurona es 0.95 y la deseada es de 1.0

28

Activacin

F. sigmiodea (g, x)
Salida deseada = 1
Salida real = 0.95
Entrada global
Figura 6.1: desviacin a la salida objetivo.

Dado que la derivada de la funcin activacin es relativamente baja en esta

regin (cuando la funcin activacin est prxima a 1), el producto derivada por
desviacin objetivo, igual al error, no se torna muy grande. Esto es lo que se llama
sintona fina de los pesos. De esta manera, la diferencia en el cmputo del error para las
neuronas de salida al utilizar el algoritmo de backpropagation, en lugar de las reglas
simples de aprendizaje del Perceptron, es justamente el factor derivada de la funcin
activacin.

6.6 Estructura de la Red Hopfield.

La Red Hopfield es recurrente y completamente interconectada. Funciona como

una memoria asociativa no lineal, que puede almacenar internamente patrones
presentados de forma incompleta o con ruido. De esta forma puede ser usada como una
herramienta de optimizacin; tambin se han utilizado en aplicaciones de segmentacin
y restauracin de imgenes y optimizacin combinatoria.
La Red Hopfield consta de un nmero de neuronas simtrica e ntegramente
conectadas, como ya se mencion anteriormente. Esto significa que si existe una
conexin desde la neurona Ni a la neurona Nj, tambin existe la conexin desde Nj a Ni;
ambas exhibendo el mismo peso (wij = wji). Vale aclarar que la conexin de una neurona
con s misma no est permitida.
El conjunto permitido de valores de entrada y salida es {0, 1} (o en alguna
oportunidad {-1, 1}); o sea, es un conjunto binario. De esta manera todas las neuronas
en una Red Hopfield son binarias, tomando solamente uno de los dos estados posibles:
activo (1) o inactivo (-1 o 0).
Las Redes Hopfield se emplean para reconocer patrones. Despus que el
aprendizaje haya llegado a su fin, la red neuronal debe ser capaz de dar una salida
correcta para cada patrn de entrada dado, aun cuando este sea ruidoso.
La clave del aprendizaje Hopfield es que si un patrn que tiene que ser
aprendido se conoce, los pesos sobre cada conexin de la red neuronal pueden ser
calculados. En esta circunstancia, solamente el estado de las neuronas cambia durante el
proceso de aprendizaje. Este clculo garantiza que cada patrn aprendido corresponda a
un mnimo de la funcin energa.
Es importante entender que para este tipo de redes la definicin de aprendizaje
es diferente al dado anteriormente, donde aprendizaje significaba simplemente la
adaptacin de los pesos. En una Red Hopfield los pesos se pueden calcular y se

29

mantienen fijos durante el aprendizaje de los patrones. Solamente cambia el estado de

las neuronas.
Para calcular el peso de una conexin cualquiera, wij (y por simetra para la
conexin wji), en una Red Hopfield se utiliza la siguiente ecuacin:
Q

wij = ( 2 * eqi 1) * ( 2 * eqj 1) , i< > j

q =1

siendo Q el nmero de patrones y eqi la entrada a la neurona Ni.

Generalmente es aconsejable trabajar con esta ecuacin cuando los patrones que
se han de aprender no son muy semejantes unos a otros, y si el nmero de ceros y unos
son similares para todos los patrones. Con respecto al nmero de ceros y unos, el
umbral de cada neurona puede utilizarse para regular esto, distinguindose as dos casos
posibles:
a- Si hay ms 0s que 1s el umbral tiene que disminuirse, porque que las
neuronas tienen una probabilidad ms alta para hacerse inactivas que para hacerse
activas.
b- Si hay mas 1s que 0s el umbral tiene que incrementarse, porque las neuronas
tienen una probabilidad ms alta para hacerse activas que para hacerse inactivas.

6.7 Simulated Annealing aplicada a una Red Hopfield.

En muchos problemas, la tarea no es justamente encontrar cualquier mnimo

local, sino la de encontrar el ptimo global. Lo que significa que para una entrada
determinada se debe encontrar una salida que resulte en un mnimo de la funcin
energa. Utilizando una Red Hopfield, se encuentra que un mnimo yace cerca del
vector de entrada dado, porque la energa decrece paso a paso. El cual puede ser un
mnimo local.
En una Red Hopfield todos los mnimos locales son un estado estable. Un
problema similar se origina en termodinmica durante el proceso de cristalizacin.
Durante un enfriamiento lento, el cristal crece con una estructura casi perfecta, ya que
cada tomo tiene bastante tiempo para saltar a otra posicin dentro de la cuadrcula, de
tal forma que la energa total del cristal decrezca. Para realizar dicho salto se necesita
energa, es decir, que si el cristal tiene la energa suficiente (si su temperatura es aun
bastante alta), todos los tomos disponen de una chance para cambiar su posicin. Pero
para permitir que esto ocurra la energa de un tomo tiene que incrementarse por un
corto tiempo, de lo contrario el tomo descansara en su vieja posicin.
Tener una chance se puede interpretar como hay una probabilidad. Esta
probabilidad depende de la activacin que un tomo muestra a una determinada
temperatura y tiempo del sistema.
Utilizando esta tcnica donde el cristal comienza a una temperatura elevada y
que luego decrece paso a paso, se les da a los tomos una posibilidad de cambiar sus
estados independientemente de la activacin, por medio de un incremento en la energa
de los mismos de un paso a otro. Cuando la temperatura se reduce, la cuadrcula vibra
menos, y el sistema (la cuadrcula) alcanza un estado estable; hacindose gradualmente
ms dificultoso para un tomo encontrar la energa para saltar a otra posicin. Esta es la
idea de Simulated Annealing, que luego se aplica a la Red Hopfield cuando se intenta
encontrar un ptimo global.
30

A grandes rasgos se describe que una Simulated Annealing trabaja de esta

manera:
a- Escoger cualquier neurona.
b- Calcular d = gini - i.
c- Calcular Pi =

1
(probabilidad)
1 + e d / T

d- Generar un nmero aleatorio r, con 1 r 0

e- Si (Pi r)
el conjunto outi a 1
de otra manera
el conjunto outi a 0
f- Disminuye T. Volver al paso a-.
El algoritmo se detiene cuando se alcanza algn criterio de detencin; por
ejemplo si la temperatura llega a su lmite inferior o si el nmero de ciclos alcanza su
lmite superior.
La premisa fundamental de este mtodo es que el problema de optimizacin
puede formularse como una funcin energtica. Por lo tanto hallar el ptimo global
implica encontrar el mnimo de dicha funcin energtica. La misma tiene un aspecto
genrico de esta forma:
E = 0.5 * ( wij * outi * out j ) + ( i * outi )
i

Se han logrado exitosas aplicaciones de Simulated Annealing, principalmente

concernientes a los problemas de optimizacin combinatoria, semejantes al problema
del viajante. El cual no puede resolverse fcilmente por mtodos estadsticos o
analticos. Por ejemplo, imagine que un viajante tiene que visitar 19 ciudades. Qu
ruta suministra el camino ms corto entre todas las ciudades, o sea, en qu orden
debern visitarse todas las ciudades?
Por ltimo una diferenciacin muy importante es que en una Simulated
Annealing la energa puede disminuir en un paso y crecer en el otro, pero en una Red
Hopfield la energa solamente puede disminuir paso a paso.

6.8 Asociaciones entre la informacin de entrada y salida.

Ya se sabe que las redes neuronales son sistemas que almacenan cierta
informacin aprendida. Esta informacin se registra de forma distribuida en los pesos
asociados a las conexiones entre neuronas. Por tanto, puede imaginarse una red como
cierto tipo de memoria que almacena datos de forma estable, datos que se grabarn en
dicha memoria como consecuencia del aprendizaje de la red y que podrn ser ledos a la
salida como respuesta a cierta informacin de entrada, comportndose entonces la red
como lo que habitualmente se conoce por memoria asociativa: cuando se aplica un
estmulo (dato de entrada) la red responde con una salida asociada a dicha informacin
de entrada.

31

Existen dos formas primarias de realizar esta asociacin entre entradas/salidas

que se corresponden con la naturaleza de la informacin almacenada en la red. Una
primera sera la denominada heteroasociacin, que se refiere al caso en el que la red
aprende parejas de datos [(A1,B1), (A2, B2),... (AN,BN)], de tal forma que cuando se
presente cierta informacin de entrada Ai, deber responder generando la
correspondiente salida asociada Bi. La segunda se conoce como autoasociacin, donde
la red aprende ciertas informaciones A1, A2, ..., AN; de tal forma que cuando se le
presenta una informacin de entrada realizar una autocorrelacin, respondiendo con
uno de los datos almacenados, el ms parecido al de entrada.
Estos dos mecanismos de asociacin dan lugar a dos tipos de redes neuronales:
las redes heteroasociativas y las autoasociativas. Una red heteroasociativa podra
considerarse como aquella que computa cierta funcin, que en la mayora de los casos
no podra expresarse analticamente, entre un conjunto de entradas y un conjunto de
salidas, correspondiendo a cada posible entrada una determinada salida. Por otra parte,
una red autoasociativa es una red cuya principal misin es reconstruir una determinada
informacin de entrada que se presente incompleta o distorsionada (le asocia el dato
almacenado ms parecido).
En realidad estos dos tipos de modelos de redes no son diferentes en principio,
porque una red heteroasiciativa puede siempre ser reducida a una asociativa mediante
la concatenacin de una informacin de entrada y su salida (respuesta) asociada, para
obtener la informacin de entrada de la red autoasociativa equivalente. Tambin puede
conseguirse que una red autoasociativa se comporte como heteroasociativa,
simplemente presentando, como entrada parcial de la autoasociativa, la informacin de
entrada para la heteroasociativa y haciendo que la red complete la informacin para
producir lo que sera la salida de la red heteroasociativa equivalente.

6.8.1 Redes heteroasociativas.

Las redes heteroasociativas, al asociar informaciones de entrada con diferentes

informaciones de salida, precisan al menos de dos capas, una para captar y retener la
informacin de entrada y otra para mantener la salida con la informacin asociada. Si
esto no fuese as, se perdera la informacin inicial al obtenerse el dato asociado {3}, lo
cual no debe ocurrir, ya que en el proceso de obtencin de la salida se puede necesitar
acceder varias veces a esta informacin que, por tanto, deber permanecer en la capa de
entrada.
En cuanto a su conectividad, pueden ser del tipo con conexin hacia adelante (o
feedforward) o con conexin hacia atrs (feddforward/feedback), o bien con conexiones
laterales.

6.8.2 Redes autoasociativas.

Una red autoasociativa asocia una informacin de entrada con el ejemplar ms

parecido de los almacenados conocidos por la red. Estos tipos de redes pueden
implementarse con una sola capa de neuronas. Esta capa comenzar reteniendo la
informacin inicial a la entrada, y terminar representando la informacin autoasociada.
Si se quiere mantener la informacin de entrada y salida, se deberan aadir capas
adicionales, sin embargo, la funcionalidad de la red puede conseguirse en una sola capa.

32

En cuanto a su conectividad, existen de conexiones laterales y, en algunos casos,

conexiones autorrecurrentes.

33

Aplicaciones

7.1 Aplicaciones de las redes neuronales.

Las redes neuronales pueden utilizarse en un gran nmero y variedad de

aplicaciones, tanto comerciales como militares.
Se pueden desarrollar redes neuronales en un periodo de tiempo razonable, con
la capacidad de realizar tareas concretas mejor que otras tecnologas. Cuando se
implementan mediante hardware (redes neuronales en chips VLSI), presentan una alta
tolerancia a fallos del sistema y proporcionan un alto grado de paralelismo en el
procesamiento de datos. Esto posibilita la insercin de redes neuronales de bajo coste en
sistemas existentes y recientemente desarrollados.
Hay muchos tipos diferentes de redes neuronales; cada uno de los cuales tiene
una aplicacin particular ms apropiada. Algunas aplicaciones comerciales son:

Biologa:
-

Aprender ms acerca del cerebro y otros sistemas.

Obtencin de modelos de la retina.

Empresa:
-

Evaluacin de probabilidad de formaciones geolgicas y petrolferas.

Identificacin de candidatos para posiciones especficas.

Explotacin de bases de datos.

Optimizacin de plazas y horarios en lneas de vuelo.

Optimizacin del flujo del trnsito controlando convenientemente la

temporizacin de los semforos.

Reconocimiento de caracteres escritos.

Modelado de sistemas para automatizacin y control.

Medio ambiente:
-

Analizar tendencias y patrones.

Previsin del tiempo.

Finanzas:
-

Previsin de la evolucin de los precios.

Valoracin del riesgo de los crditos.

Identificacin de falsificaciones.

Interpretacin de firmas.

34

Manufacturacin:
-

Robots automatizados y sistemas de control (visin artificial y sensores

de presin, temperatura, gas, etc.).

Control de produccin en lneas de procesos.

Inspeccin de la calidad.

Medicina:
-

Analizadores del habla para ayudar en la audicin de sordos profundos.

Diagnstico y tratamiento a partir de sntomas y/o de datos analticos

(electrocardiograma, encefalogramas, anlisis sanguneo, etc.).

Monitorizacin en cirugas.

Prediccin de reacciones adversas en los medicamentos.

Entendimiento de la causa de los ataques cardacos.

Militares:
-

Clasificacin de las seales de radar.

Creacin de armas inteligentes.

Optimizacin del uso de recursos escasos.

Reconocimiento y seguimiento en el tiro al blanco.

La mayora de estas aplicaciones consisten en realizar un reconocimiento de

patrones, como ser: buscar un patrn en una serie de ejemplos, clasificar patrones,
completar una seal a partir de valores parciales o reconstruir el patrn correcto
partiendo de uno distorsionado. Sin embargo, est creciendo el uso de redes neuronales
en distintos tipos de sistemas de control.
Desde el punto de vista de los casos de aplicacin, la ventaja de las redes
neuronales reside en el procesado paralelo, adaptativo y no lineal.
El dominio de aplicacin de las redes neuronales tambin se lo puede clasificar
de la siguiente forma: asociacin y clasificacin, regeneracin de patrones, regresin y
generalizacin, y optimizacin.

7.1.1

Asociacin y clasificacin.

En esta aplicacin, los patrones de entrada estticos o seales temporales deben

ser clasificadas o reconocidas. Idealmente, un clasificador debera ser entrenado para
que cuando se le presente una versin distorsionada ligeramente del patrn, pueda ser
reconocida correctamente sin problemas. De la misma forma, la red debera presentar
cierta inmunidad contra el ruido, esto es, debera ser capaz de recuperar una seal
"limpia" de ambientes o canales ruidosos. Esto es fundamental en las aplicaciones
hologrficas, asociativas o regenerativas.

Asociacin: de especial inters son las dos clases de asociacin:
autoasociacin y heteroasociacin. Como ya se mencion en el apartado 6.8, el
problema de la autoasociacin es recuperar un patrn enteramente, dada una
informacin parcial del patrn deseado. La heteroasociacin es recuperar un conjunto de
patrones B, dado un patrn de ese conjunto. Los pesos en las redes asociativas son a
35

menudo predeterminados basados en la regla de Hebb. Normalmente, la autocorrelacin

del conjunto de patrones almacenado determina los pesos en las redes autoasociativas.
Por otro lado, la correlacin cruzada de muchas parejas de patrones se usa para
determinar los pesos de la red de heteroasociacin.

Clasificacin no Supervisada: para esta aplicacin, los pesos sinpticos de la
red son entrenados por la regla de aprendizaje no supervisado, esto es, la red adapta los
pesos y verifica el resultado basndose nicamente en los patrones de entrada.

Clasificacin Supervisada: esta clasificacin adopta algunas formas del
criterio de interpolacin o aproximacin. En muchas aplicaciones de clasificacin, por
ejemplo, reconocimiento de voz, los datos de entrenamiento consisten de pares de
patrones de entrada y salida. En este caso, es conveniente adoptar las redes
Supervisadas, como las bien conocidas y estudiadas redes de retropropagacin. Este tipo
de redes son apropiadas para las aplicaciones que tienen una gran cantidad de clases con
lmites de separacin complejos.

7.1.2 Regeneracin de patrones.

En muchos problemas de clasificacin, una cuestin a solucionar es la

recuperacin de informacin, esto es, recuperar el patrn original dada solamente una
informacin parcial. Hay dos clases de problemas: temporales y estticos. El uso
apropiado de la informacin contextual es la llave para tener xito en el reconocimiento.

7.1.3 Regeneracin y generalizacin.

El objetivo de la generalizacin es dar una respuesta correcta a la salida para un

estmulo de entrada que no ha sido entrenado con anterioridad. El sistema debe inducir
la caracterstica saliente del estmulo a la entrada y detectar la regularidad. Tal habilidad
para el descubrimiento de esa regularidad es crtica en muchas aplicaciones. Esto hace
que el sistema funcione eficazmente en todo el espacio, incluso cuando ha sido
entrenado por un conjunto limitado de ejemplos.

7.1.4

Optimizacin.

Las Redes Neuronales son herramientas interesantes para la optimizacin de

aplicaciones, que normalmente implican la bsqueda del mnimo absoluto de una
funcin de energa. Para algunas aplicaciones, la funcin de energa es fcilmente
deducible; pero en otras, sin embargo, se obtiene de ciertos criterios de coste y
limitaciones especiales.

7.2 Casos concretos de aplicacin.

A continuacin se detallan los siguientes casos concretos de aplicacin de redes

neuronales:

Planificacin del staff de empleados.

Planificacin de la demanda de materiales.

Puntuacin para la solicitud de un crdito.

36

7.2.1

Planificacin del staff (cuerpo) de empleados.

Hoy ms que nunca, las empresas estn sujetas a la presin de los elevados
costos. Esto puede verse en diferentes sectores corporativos, tales como la planificacin
del staff de empleados. Desde el punto de vista de las empresas, un empleado que falla
al ejecutar la mayor parte de las tareas asignadas, evidencia una baja productividad. Por
el otro lado, esta situacin es frustrante para el empleado. Ambos efectos causan costos,
los cuales podran evitarse realizando antes una prueba de aptitud. Estos problemas no
solamente son originados por los empleados nuevos, sino tambin por aquellos que son
reubicados dentro de la misma empresa.
En este proyecto de investigacin se examin hasta donde la prediccin de
aptitudes puede llevarse a cabo por una red neuronal, cuya topologa suministre una
tarea satisfactoria y as lograr una prediccin ms exitosa.
Base de datos y codificacin:

La base de datos inicial contena informacin resultante de una investigacin que

realizaron por medio de un cuestionario. Las respuestas obtenidas a travs del mismo las
utilizaron para acumular informacin acerca de las cualidades especficas y habilidades
tcnicas de cada individuo del personal indagado. Para cada pregunta, les fue posible
categorizar la respuesta en un intervalo que va de 1 a 5; constituyendo as la entrada que
presentaron a la red neuronal. Al entrevistado, posteriormente, lo examinaron en el
orden de obtener una cifra representativa de sus aptitudes. De esta manera el conjunto
de datos de entrenamiento qued formado de la siguiente forma:
-

Respuesta obtenidas a travs del cuestionario = datos de entrada.

Cifra representativa de la aptitud de la persona encuestada = salida deseada.

El primer problema que se les present fue cmo codificar los datos obtenidos,
decidiendo transformarlos dentro del intervalo [0.1, 1.0].
Cmo codificar la salida objetivo fue la prxima pregunta que consideraron.
Normalmente la compaa slo quiere conocer si una persona ejecutar bien o mal la
tarea determinada, o si su desempeo ser muy bueno, bueno, promedio, malo o muy
malo. Consecuentemente, (a) asignaron la salida dada dentro de varias clases y (b)
transformaron las cifras representativas dentro del intervalo [0, 1], utilizando en parte
una funcin lineal.
Algoritmo de aprendizaje:

Ensayaron diferentes algoritmos de aprendizaje, de los cuales dos fueron

escogidos como los ms apropiados: Propagacin Rpida (Quickpropagation) y
Propagacin Elstica (Resilient Propagation).

Quickpropagation: es una modificacin del algoritmo estndar de
backpropagation. A diferencia de este, la adaptacin de los pesos no es solamente
influenciada por la sensibilidad actual, sino tambin por la inclusin del error previo
calculado.

Resilient Propagation: es otra modificacin del algoritmo estndar de
backpropagation. En oposicin a este, la adaptacin de los pesos es influenciada por el
signo de la sensibilidad actual y antecesora, y no por su cantidad.

37

Topologa de la red:

Evaluaron diferentes topologas de redes, las cuales no sern detalladas. La

pregunta fue: (a) cuntas capas ocultas son necesarias?, (b) cuntas neuronas en cada
una de ellas? La primera prueba que hicieron mostr que para este propsito la red
deba contener 2 capas ocultas, con la primera formada por tantas neuronas como la
capa de entrada y la segunda por un nmero menor que la primera (exactamente la
mitad como mucho).
Resultados obtenidos a partir de los ensayos:

El primer resultado que consiguieron al intentar predecir la cifra representativa

correcta fue relativamente mala. Asumieron que esto fue causado por el hecho de que el
nmero de neuronas de entrada en proporcin al nmero de ejemplos dados en el
conjunto de datos de entrenamiento fue elevado. La pequea base de datos, conforme
con la gran capa de entrada, fue suficiente para realizar una tosca prediccin, pero no
para dar la correcta cifra representativa.
Lo mencionado en el prrafo anterior hizo que enfocaran toda la atencin en
reducir el nmero de neuronas de entradas en forma apropiada. Tambin examinaron la
red con la cual se logr el mejor resultado, en funcin de conseguir indicadores de las
entradas que demostraran ser importantes y cales no. Entonces, reduciendo el nmero
de neuronas de entrada y formando nuevas redes, consiguieron un resultado bastante
bueno para la prediccin de las clases y an para la prediccin de la cifra representativa
correcta.
En otra serie de test, examinaron los resultados que podran favorecer a un
mejoramiento por agrupacin de las neuronas de entrada para las preguntas
interdependientes. Cada grupo, que representaba una habilidad especial, fue conectado
exactamente a una neurona en la primer capa oculta. La razn para esto fue que
haciendo ciertas conexiones se reduce beneficiosamente el espacio de bsqueda, si y
solo si, las conexiones representan la estructura correcta, pero puede reducir el espacio
de bsqueda inapropiadamente por prohibicin de otras conexiones.

7.2.2

Planificacin de la demanda de materiales.

La tarea de planificar la demanda de materiales es justamente predecir en forma

segura la necesidad de los mismos, o ms exactamente, de los factores de consumo.
Esto involucra tener una correcta informacin de los volmenes aproximados de
produccin, as como de los factores de tiempo.
Principalmente para resolver esta tarea pueden distinguirse los siguientes
procedimientos:
-

Programacin orientada (program-oriented).

Consumo orientado (consumption-oriented).

En el mtodo de programacin orientada la prediccin de la cantidad demandada

se basa sobre los resultados del planeamiento de produccin. Mientras que el mtodo de
consumo orientado toma en cuenta el consumo observado en perodos anteriores y sobre
la base de dicha informacin intenta predecir las futuras demandas.
Como primera aproximacin utilizaron una red neuronal por prediccin del
consumo orientado; centralizando la investigacin en la determinacin de las
38

habilidades de las redes para producir salidas correctas cuando analizan un dato real. El
proyecto lo realizaron conjuntamente con la compaa que lo solicit, la cual se dedica a
la fabricacin de bicicletas y por ende, necesita de tubos para la construccin de las
mismas; cuyo consumo deban predecir.
Base de datos y codificacin:

En la Figura 7.1 se muestran las series de tiempo que utilizaron para la

planificacin de la demanda de materiales.
Cantidad [103]

Tiempo
Figura 7.1: series de tiempo empleadas en la
planificacin de la demanda de materiales.

Cada serie de tiempo incluye datos desde 1992 a 1994 (semanalmente). Las
series, pedido y stock, fueron codificados dentro del intervalo [0.0, 0.9], para lo cual
utilizaron una funcin de transformacin lineal. Mientras que al consumo lo codificaron
en dos pasos, porque esta serie de tiempo vara, en partes, de manera muy brusca. Para
el primer paso emplearon la frmula:
z new =

xold m x
std (x )

siendo mx el promedio de las series de tiempo y std(x) la desviacin estndar de las

series de tiempo. Y para el segundo aplicaron una transformacin lineal a la nueva serie
de tiempos z.
Topologa de la red:

Sobre el ensayo de diferentes redes neuronales observaron que, sin importar la

prediccin que se haga (mensualmente, semanalmente), ms de dos capas ocultas
desfavoreca el resultado obtenido.
Primero experimentaron solamente con la serie de tiempo del consumo, y con
una red neuronal constituida por nueve neuronas de entrada y una neurona ms para la
estacin; empleando 80 patrones para el entrenamientos y 53 para la validacin. La
exactitud que lograron luego de varias corridas de la red neuronal, empleando diferentes
topologas, se muestran en la Tabla 7.1 (error permitido: 20%, ciclos de aprendizaje:
10000, algoritmos de aprendizaje: Quickpropagation o Resilient Propagation).

39

Topologa
Exactitud
10-10-36-1
30.0%
10-20-36-1
10.0%
10-27-10-1
10.0%
Tabla 7.1

Como se puede observar, dando solo el consumo como una entrada no es

suficiente para predecir la demanda.
Luego, utilizaron todas las series de tiempo descriptas en la Figura 7.1 como
entradas a la red neuronal y adems, asignaron tres neuronas de entrada para cada serie
de tiempo, lo que result en una capa de entrada de nueve neuronas; logrando para las
diferentes topologas una exactitud como la que exhibe en la Tabla 5.1:
Topologa

9-27-1
9-9-18-1
9-18-9-1

Error permitido
10 %
20 %
10 %
20 %
10 %
20 %
Tabla 7.2

Exactitud
86.36 %
89.39 %
87.88 %
90.15 %
66.67 %
70.45 %

Los resultados citados no parecen ser suficientemente buenos para la aplicacin

de una red neuronal real en el campo del planeamiento de la demanda de materiales; no
obstante, est claro que las tcnicas de las redes neuronales son prometedoras para la
tarea. Actualmente se estn ensayando otros escenarios diferentes para mejorar las
predicciones as obtenidas.

7.2.3 Puntuacin para la solicitud de un crdito.

La puntuacin para un crdito representa una tarea de gran riesgo para las
instituciones crediticias. Estas instituciones tienen un fuerte inters en evitar tales
situaciones, rechazando los candidatos que parecen ser un riesgo malo. Ya que un
candidato rechazado, que de hecho era un buen riesgo crediticio, no impone costos
reales; mientras que, un candidato que es incapaz de restituir el pago del crdito
extendido puede causar prdidas sustanciales (recordar el caso Schneider en Alemania).
Diferentes mtodos son aplicados en este campo. Muy a menudo la decisin
tomada, aprobacin o rechazo, se basa sobre los siguientes factores: carcter, capacidad
y capital (crditos triple C); siendo esta solamente humana y naturalmente subjetiva.
Otro mtodo es la utilizacin de un sistema de puntuacin numrico. El mismo
utiliza rasgos comunes que resultan ser importantes para la evaluacin de los candidatos
para un crdito. La importancia especfica de cada simple caracterstica est expresada
por pesos. Cada candidato al crdito se pondera con una cierta cifra indicativa (suma
integral de los rasgos) y si se sita por encima de un umbral determinado se considera
como una persona digna de crdito.
Debido a que ambos mtodos tienen aspectos negativos -subjetivamente por un
lado y una simple dependencia lineal entre caracterstica por el otro-, los esfuerzos
apuntan a la aplicacin de tcnicas de inteligencia artificial, tales como Sistemas
Expertos (XPS) y Redes Neuronales, en el campo de la puntuacin para la solicitud de

40

un crdito. Por lo tanto la tarea a ser consumada por medio de una red neuronal es tratar
de predecir una correcta clasificacin de los clientes.
Escenario de los datos:

Para recaudar informacin acerca de los candidatos aprobados y desaprobados

recurrieron a diferentes instituciones crediticias, pero solamente unas pocas de ellas
cooperaron; ya que la mayora alegaba que los datos sobre los aspirantes a los crditos
era un asunto interno y por consiguiente, reciben un trato confidencial.
Puesto que la informacin de la que disponan era insuficiente, utilizaron un
conjunto de datos pblicos; el notorio conjunto de datos australiano (J. R. Quinlan),
caracterizado como sigue en la Tabla 7.3:
N de casos
Clases

690
2 (buena/mala)
307 (buenas): clase 2
Distribucin de clases
383 (malas): clase 1
N de atributos:
14
-continuos
6
-binarios
4
-ordenados
4
Tabla 7.3

Codificacin:

Codificaron los atributos continuos simplemente por una transformacin lineal

dentro del intervalo [0.1, 0.9], utilizando para esto solamente una neurona (real). Los
atributos binarios tambin fueron codificados por medio de una neurona (binaria).
Pensaron en la utilizacin de dos neuronas binarias, pero los ensayos no mostraron
ninguna diferencia entre ambos tipos de codificacin. En consecuencia utilizaron
solamente una neurona para los atributos binarios.
A los atributos ordenados los trataron como sigue; ya que dependiendo de los
diferentes valores que los mismos podan tomar, el nmero de neuronas utilizadas en la
capa de entrada variaba. Codificaron cada posible valor en una neurona; por ejemplo si
haba tres valores posibles, se necesitaba de tres neuronas. El procedimiento de
codificacin fue como el mostrado en la Tabla 7.4:
Atributo
valor 1
valor 2
valor 3

Neurona de entrada
100
010
001
Tabla 7.4

La capa de salida estaba formada por una simple neurona binaria que daba una
clasificacin bueno/malo.
Utilizando el procedimiento de codificacin de la Tabla 7.4, al menos 32
neuronas les fueron necesarias en la capa de entrada. Por supuesto otras formas de
codificacin de los atributos pueden ser posibles.
Resultados:

Para el entrenamiento y validacin, dividieron el conjunto de datos de la

Tabla 7.3 en dos subconjuntos. El nmero de ejemplos en cada subconjunto, se puede

41

ver en la Tabla 7.5, en donde intentaron mantener una distribucin similar de candidatos
buenos y malos.
Subconjunto

N de ejemplos

Entrenamiento

480

Testeo

210

Distribucin
214 (buenos)
266 (malos)
93 (buenos)
117 (malos)

Tabla 7.5

El mejor resultado que obtuvieron, es el presentado en la Tabla 7.6 (Standard

Backpropagation, tasa de aprendizaje: 0.2):
Arquitectura de la red
(una capa oculta)
32-40-1
32-32-1
32-16-1

pocas

Exactitud

66
100
100
Tabla 7.6

80.6 %
80.4 %
82.5 %

Cuando emplearon dos capas ocultas el resultado no mejor, a pesar de tomar

ms tiempo de CPU. Tambin modificaron el grado de aprendizaje, fijndolo en 0.5 y
0.7 e iniciando diferentes series de tiempo, pero los resultados tampoco mejoraron.

42

Software Comerciales

8.1 Aplicaciones del NeurOn-Line Studio a procesos de refinera y petroqumica.

Esta es una traduccin textual del artculo publicado en la Webpage de Soteica S.R.L.: NOL Studio
Applications Ruiz y Sonnet, presentado en la Gensym Users Society (GUS) Meeting Barselona,
Spain, April 2000.

Carlos A. Ruiz1,2 , Ariel Sonnet2

1

Soteica S.R.L.
Alvarez Thomas 796, 3 C, 1427 Buenos Aires, Argentina,
Tel.: +54-11-4555-5703, ext. 218, Fax: +54-11-4551-0751, e-mail: carlos@soteica.com.ar
2

Grupo de Investigacin Aplicada a la Ingeniera Qumica (GIAIQ),

Universidad Tecnolgica Nacional, Facultad Regional Rosario, Zeballos 1341, 2000 Rosario, Argentina

Sumario:

Los procesos industriales han instalado extensamente, durante el transcurso de

los ltimos aos, bases de datos histricas en tiempo real con gran capacidad de
almacenaje. Los especialistas en Tecnologas de Informacin (Information
Technologies, IT) hacen referencia a la metodologa general para obtener informacin
valiosa desde una gran base de datos como data mining (minera de datos). Una de
tales metodologas son las Redes Neuronales (Neuronal Networks, NNs). El artculo
describe la aplicacin de un paquete de programas de NNs comercial (NeurOn-Line
Studio, Gensym Corporation, Cambridge, Massachusetts, USA) a varios problemas de
refineras y petroqumicas. Se muestra como el moderno software es capaz de manejar
apropiadamente la seleccin de la estructura de la NNs y la apropiada metodologa de
entrenamiento (es decir, minimizando la funcin objetivo adecuada, generalmente el
problema del menor cuadrado). Se dan ejemplos sobre la utilizacin de NNs como
analizadores virtuales, optimizadores y para la reduccin de modelos.

Introduccin:

Los procesos industriales han instalado extensamente, durante los ltimos

tiempos, bases de datos histricas en tiempo real con gran capacidad de almacenaje. En
las refineras e industrias petroqumicas tales bases de datos estn recopilando datos del
proceso en tiempo real desde los Sistemas de Control Distribuidos (Distributed Control
Systems, DCS), a una tpica frecuencia de muestreo de 1 minuto.
Generalmente, las bases de datos estn disponibles en lnea por muchos aos e
incluyen tambin los resultados de los anlisis rutinarios de laboratorio. En una refinera
tpica, es normal recolectar miles de variables (tags), incluyendo variables de proceso y
set-point, salidas de vlvula y modo (por ejemplo: automtico, manual, local, remoto,
etc.) de los controladores. Estos historiadores en tiempo real estn produciendo bases de
datos muy grandes donde, aunque no siempre fcil de encontrar, puede extraerse una

43

muy rica informacin relacionada al proceso. Debido a tcnicas especiales de

compresin, tales bases de datos tienen una tremenda capacidad de almacenamiento.
Como un ejemplo, si 40,000 tags del DCS son muestreados cada minuto (un modesto
nmero de una refinera de petrleo de tamao medio), 57.6 millones de puntos de datos
se recogen cada da, totalizando alrededor de 21 billones de puntos de datos anualmente.
No es inusual disponer on-line de varios aos coleccionados, accesibles fcilmente
utilizando herramientas de una PC estndar, tal como una hoja de clculo Excel.
El data mining (tambin conocido como Knowledge Discovery in Databases
KDD) ha sido definido como la extraccin no trivial de informacin implcita,
desconocida previamente, y potencialmente til desde los datos [Frawley et al., 1999].
Haciendo uso de mquinas de aprendizaje, estadstica y tcnicas de visualizacin para
descubrir y presentar informacin en una forma en la cual es fcilmente comprensible
por el ser humano. La metfora de la mina es realmente potente: hay vetas de material
rico (esto es, datos tiles desde el punto de vista de la economa, seguridad y operacin
del proceso), oculto en una inmensa cantidad de datos crudos almacenados, muchos de
los cuales se pueden considerar como escoria. El esfuerzo para extraer el material
precioso de la escoria se basa en varias tcnicas matemticas y de IT que ayudan en la
tarea. Una de tales metodologas son las Redes Neuronales (NNs), las cuales se
describen resumidamente ms abajo, pero pueden rpidamente ser definidas como un
artefacto matemtico que necesita ser alimentado (esto es, recibir entradas) con datos
histricos para ser entrenado en orden a predecir una o ms variables (esto es, generar
salidas).
Pero las NNs, para explotar correctamente las vetas del material rico que se
hallan en las grandes bases de datos, no necesita solamente ser alimentada con el dato
apropiado de entrada y salida, sino tambin cumplimentar los siguientes 2 requisitos
importantes:

La NN debe tener una estructura capaz de representar adecuadamente el
problema.

La NN debe ser entrenada con un algoritmo robusto y confiable, apto para
converger a una solucin aceptable.

No sorprendentemente, muchos de los artculos disponibles en este campo no

abundan en las aplicaciones industriales de las NNs, pero si sobre los detalles
matemticos y caractersticas especiales de cada tipo de topologa de NN (esto es: tipo
de red, funcin de transferencia, nmero de capas) y/o algoritmo de entrenamiento (esto
es: tcnicas de minimizacin, temas de convergencia, detalles de programacin, etc.).
Muchas veces puede gastarse mucho esfuerzo luchando con la mejor topologa de NN y
perderse muchas horas de CPU intentando obtener un ajuste y convergencia razonable.
No fue hasta hace poco que los paquetes comerciales fueron capaces de prestar
atencin a los dos requisitos mencionados anteriormente. Este artculo presenta la
experiencia recogida con la aplicacin de uno de tales paquetes comerciales:
NeurOn-Line Studio [Gensym, 1999], una herramienta poderosa para entrenar e
implementar on-line las soluciones basadas en NNs.

Redes Neuronales: descripcin de la terminologa usual y del software.

Muy buenas descripciones tericas y prcticas de la tecnologa de las NNs

pueden encontrarse en varias publicaciones, pero la coleccin de artculos editados por

44

Leonides (1998) puede mencionarse como una buena fuente de informacin sobre la
teora y prctica de las mismas. Esta seccin solamente pretende dar una breve
introduccin a las capacidades del software NeurOn-Line Studio.
El NeurOn-Line Studio puede utilizarse off-line u on-line, siendo una
herramienta para el anlisis de procesos. Tpicamente la fuente de datos es un
historiador de datos u otro archivo de datos. Empleando poderosas herramientas de
visualizacin, es posible analizar un amplio conjunto de datos desordenados de hasta
100,000 registros y ms de 100 variables. El NeurOn-Line Studio provee una gua paso
a paso a travs del proceso de preprocesamiento de datos, configuracin del modelo,
entrenamiento, validacin y puesta en lnea. Para maximizar la productividad, muchas
tcnicas de decisin, tales como seleccin de las entradas relevantes, tiempos de retraso
y arquitectura de la red, estn automatizadas o convenientemente asistidas.
Una vez que un modelo se ha construido, es posible utilizar el NeurOn-Line
Studio para descubrir formas ms ventajosas para correr el proceso a travs de la
simulacin y de la optimizacin. Sobre la base de una funcin objetivo, que expresa
rentabilidad en trminos de variables de proceso predichas y medidas, el NeurOn-Line
Studio aplica el modelo de red neuronal para determinar las condiciones de operacin
ptima, dentro de las restricciones del caso.
Es posible implementar los modelos predictivos y las capacidades de
optimizacin de NeurOn-Line Studio como controles ActiveX en el entorno de
Windows NT, 2000 y 98. Los mismos pueden correrse en contenedores adecuados, que
incluyen Visual Basic y aplicaciones C++, aplicaciones MS Office, y otros que siguen
la norma COM, tales como los provistos por la mayora de los proveedores de DCSs e
historiadores de datos.
Los modelos del NeurOn-Line Studio pueden tambin fcilmente integrarse
dentro del ambiente de las aplicaciones del sistema experto G2. Esta integracin resulta
estratgica, sobre todo por la coleccin de rutinas de conectividad del G2, orientacin a
objetos y su habilidad para representar reglas expertas en lenguaje natural estructurado.
Empleando los modelos del NeurOn-Line Studio en esta forma aumentan la capacidad
del G2 para el manejo inteligente de operaciones de proceso.

Aplicacin de Redes Neuronales a la industria de procesos.

Como se ha mencionado, las Redes Neuronales permiten al ingeniero crear

modelos para procesos utilizando datos histricos del mismo proceso. Los modelos
pronostican cmo el proceso responder a los cambios de entradas y diferentes
condiciones de trabajo. Las condiciones de operacin ptima, sujeta a restricciones,
pueden tambin determinarse con las NNs correctamente formuladas. Los modelos
identificados empleando NNs pueden utilizarse en estudios de proceso off-line o ser
instalados on-line para suministrar una deteccin precoz de los problemas de proceso y
determinar los set-point que continuamente optimicen el proceso para maximizar las
ganancias.
Las NNs traen a la vida los datos histricos, revelando los factores ms
importantes que afectan la calidad y el rendimiento de los productos. Este conocimiento
puede a menudo detectar mejoras sin ninguna inversin de capital. Las reas generales
de utilizacin potencial de las NNs son las siguientes:

45

Control de Calidad, Sensores Inferenciales y Reduccin de Modelos. En la

economa globalizada de hoy en da, el gerenciamiento de la calidad en tiempo real es
una aplicacin de vital importancia, pero los ensayos de calidad raramente estn
disponibles sin retardos y usualmente son onerosos. Los modelos basados en redes
neuronales proporcionan medidas virtuales en tiempo real, permitiendo acciones de
control rpidas para mantener la calidad en el objetivo deseado. Los modelos pueden ser
obtenidos no slo a partir de los datos de planta y laboratorio sino de datos generados
con corridas de modelos de simulacin rigurosos (desarrollados, por ejemplo, en
HYSYS). Este ltimo procedimiento se conoce como reduccin de modelos.
Optimizacin de Procesos. El valor de la optimizacin basada en modelos est
bien probado pero, en general, los modelos analticos de un proceso pueden ser muy
difciles de obtener. Al emplear redes neuronales en conjunto con su capacidad de
optimizacin en lnea y en tiempo real, puede ser posible obtener el mayor potencial
econmico de un proceso.
Mantenimiento Predictivo y Seguridad. Los modelos basados en redes
neuronales pueden ser empleados para monitorear la performance de mquinas y
equipos. Con ellos se pueden detectar tempranamente corrimientos o errores en los
modelos operativos o sensores, permitiendo a los ingenieros corregir los problemas
antes que devengan en incidentes mayores. Se puede mejorar, en consecuencia, la
disponibilidad de plantas y equipos. El monitoreo continuo del contenido de emisiones
(CEM, Continuous Emissions Monitoring) de NOx, CO2, SO2 en los gases de escape de
hornos y calderas es una aplicacin tpica en esta rea.
Validacin de Sensores. La deriva progresiva y/o falla abrupta de las seales de
sensores son la fuente principal de paradas de planta no planeadas y produccin de
productos fuera de especificacin. Con los modelos basados en redes neuronales es
posible seguir los valores de los sensores y generar alarmas cuando las medidas
provenientes de los sensores fsicos no estn de acuerdo con los valores inferidos para
los mismos. El valor inferido puede ser empleado tambin como lnea de base en los
casos en que el instrumento es recalibrado o reparado.
Prediccin y Estimacin. El futuro puede ser predicho dentro de la precisin que
dan los modelos basados en comportamientos. Las redes neuronales pueden aprender
los modelos ptimos, adaptados continuamente con el empleo de los ltimos datos
medidos. Los ingenieros pueden emplear estas predicciones para estimar la demanda de
mercados de corto plazo, predecir estados futuros del proceso o an condiciones
meteorolgicas que afecten a las emisiones e impacten sobre la vecindad de la planta.

De algunas de las muchas aplicaciones experimentadas actualmente con el

software: NeurOn-Line Studio, los ejemplos presentados en este artculo estn
resumidos en la Tabla 1:

46

rea de aplicacin de Descripcin del potencial tecnolgico

las NNs.
de las NNs.
Prediccin del
Control de Calidad y
Los equipos actuales para la
punto final de la
Sensores Inferenciales determinacin en lnea del punto final
curva de destilacin
de destilacin de las naftas son costosos,
de las naftas de un
poco confiables y tienen severos
FCCU.
problemas de mantenimiento. La
aplicacin de las NNs como Sensores
Inferenciales es una opcin atractiva.
Prediccin de la
Sensores Inferenciales, Existen modelos de simulacin
calidad y reduccin Reduccin de Modelos detallados y rigurosos para la columna
de modelos de una y Optimizacin de
(desarrollado con el simulador HYSYS),
columna Splitter de Procesos.
pero el operador quiere tener una
propano/propileno.
estimacin rpida de las calidades de los
productos de la columna y conocer cual
condicin de operacin debe fijarse para
obtener las especificaciones objetivo.
Estimacin on-line Control de Calidad y
La determinacin del weathering point
del punto de
Sensores Inferenciales. se realiza una vez por turno en planta y
weathering del
una vez al da por el Laboratorio.
LPG.
Consiste de una metodologa emprica
para la cual no hay ningn equipamiento
de anlisis en lnea disponible. El
weathering point es una especificacin
importante para el LPG consumido en
las viviendas.
Tabla 1: ejemplos de aplicaciones de NNs
Ejemplo

Modelos del
NeurOn-Line.
Modelo Inferencial
con tiempo muerto
aplicado a las
entradas.

Modelo Inferencial,
Modelo de
Optimizacin.

Modelo Inferencial
con tiempo muerto
aplicado a las
entradas.

Prediccin del punto final de las naftas FCCU.

Con el objetivo de ejecutar una prueba del concepto para la aplicacin del
NeurOn-Line Studio como un sensor virtual, los datos fueron colectados desde el
historiador de datos de la planta PI (OSI Soft) de la Refinera de La Plata de RepsolYPF (Ensenada, Pcia. de Buenos Aires, Argentina). El objetivo fue inferir el 90% del
Punto de Destilacin de la nafta de la Unidad de Cracking Cataltico Fluidizado
(Fluidized Catalytic Cracking Unit FCCU). Este caso fue descripto en detalle por
Ruiz (1999) pero una breve descripcin se da a continuacin.
Los datos fueron colectados utilizando la interfase Excel DataLink del
historiador PI, colectando inicialmente 63 variables operativas, durante el perodo de
junio-octubre de 1998. El volumen total de informacin recogida fue de 80 Mbytes
aproximadamente. Despus del filtrado de los datos, inspeccin para identificar los
perodos de operacin inestables o mal funcionamiento de los sensores, un perodo de 8
das fue seleccionado como el conjunto de entrenamiento. Un conjunto de validacin
independiente tambin fue extrado, para utilizarse sobre la validacin del modelo
finalmente entrenado.
El conjunto de datos de entrenamiento fue inspeccionado a fondo para detectar
los perodos malos. La Figura 1 refleja el perodo cuando el caudal de alimentacin a la
FCCU se cambi de 170 a 180 m3/h. El NeurOn-Line Studio permite, directamente
desde el grfico, embanderar los datos para ser previamente preprocesados al
entrenamiento de la NN.

47

FIC264 - COLUMN REFLUX

Figura 1: cambio en el flujo de alimentacin a la FCCU (marcados en rojo) de 170 a 180 m3/h.

AI3302 - NAPHTHA 90% POINT

Figura 2: grfico X-Y mostrando la relacin entre el caudal del reflujo de la
columna principal y la variable a ser inferida (Punto del 90% de la nafta).

Figura 3: prediccin del punto final para la nafta de la FCCU (lnea

amarilla) vs. el actual (lnea verde) durante el perodo de validacin.

48

En la Figura 2 un grfico X-Y muestra la relacin del caudal de reflujo con el

punto final de la nafta. En el mismo, el perodo inestable correspondiente al caudal de
alimentacin de la planta se marc tambin en rojo. Los otros puntos de operacin
marcados en amarillo son una porcin tambin eliminada del perodo de entrenamiento
porque una vlvula de alivio de presin se abri causando una perturbacin en la
columna principal.
Se entrenaron dos modelos, el primero de ellos utilizando como entradas 29
variables de proceso con diferentes retrasos. Algunas de ellas se emplearon con el valor
instantneo y otras retrasadas en un rango de 30 minutos a 1 hora. El segundo modelo
se entren empleando solamente 18 variables (modelo reducido), todas ellas retrasadas
1 hora. Ambos modelos exhibieron buenas predicciones del punto de destilacin 90%
de la nafta. Se prefiri el modelo reducido porque la menor cantidad de variables
involucradas lo hacen ms robusto con respecto la falla de los sensores. La Figura 3
muestra el valor predicho y el actual, obtenido a partir del modelo reducido, para el
perodo de validacin.

Prediccin de la calidad y reduccin del modelo en una columna Splitter de

propano/propileno.

Un modelo riguroso, basado en los principios fundamentales, de una columna de

destilacin empleada para separar una mezcla de propano y propileno se desarroll
utilizando el simulador HYSYS. El diagrama de flujo del proceso se exhibe en la
Figura 4. Con la utilidad del caso de estudio de HYSYS (Case Study), se gener una
grilla de alrededor de 900 puntos (esto es, 900 corridas), como se muestra en la
Figura 5. Las variables de operacin que se toman en consideracin para el
entrenamiento de la NN se presentan en la Figura 6. Para predecir el propileno producto
y la composicin de fondo del propano, se emplearon una mezcla de las variables
manipuladas (por ejemplo, el caudal de reflujo a la columna y el calor en el reboiler), las
variables externas (como el caudal de alimentacin y la composicin) y las variables de
estado (como la temperatura de la alimentacin).

Figura 4: diagrama de flujo del proceso obtenido a travs del simulador HYSYS de la columna
de separacin C3/C3=.

49

Figura 5: facilidad del caso de estudio HYSYS empleado para generar la grilla de entrenamiento.

Como la grilla de datos generada para entrenar el modelo est libre de ruidos, la
NN entrenada muestra una muy buena concordancia. En la Figura 7 puede mostrarse
cuan buena es la prediccin de la composicin de producto de tope (propileno), ya sea
en el grfico de lnea o en el X-Y, donde la composicin predicha y al actual se
comparan casi exactamente.

Figura 6: lista de las variables de HYSYS utilizadas para entrenar la NN.

50

Figura 7: valores del modelo de HYSYS vs valores predichos por el NeurOn-Line

Studio para la composicin de tope del propileno (ambos grficos, de lnea y X-Y).

Adicionalmente al modelo reducido de la NN, se cre un modelo de

optimizacin. En este caso, el objetivo es obtener una cierta especificacin de las
composiciones de tope y fondo, manipulando el operario las variables, tomndose en
consideracin las perturbaciones externas y satisfaciendo todas las restricciones,
incluyendo las variables de estado. En la Figura 8, se presenta la estructura del modelo
de optimizacin. Las variables manipuladas, en este caso, son el caudal del reflujo de la
columna tower y el caudal de producto, como se muestra en la Figura 9.

51

Figura 8: red de optimizacin para el separador C3.

Figura 9: clasificacin de las variables del modelo de optimizacin del separador C3.

Estimacin on-line del punto de weathering del LPG.

Para controlar las especificaciones del producto propano, el operador hace

determinaciones on-site del weathering point de ambos productos: propano y butano de
la columna depropanizadora de la FCCU II, de la Refinera de Lujn de Cuyo de
Repsol-YPF. Estos anlisis manuales se ejecutan en el campo, con intervalos de
aproximadamente 8 horas y reportados en una hoja de clculo Excel. La planta tiene
instalado tambin un cromatgrafo on-line sobre ambos productos de tope y fondo.

52

Se desarroll una NN para predecir el weathering point del propano, basada en

las condiciones de operacin de la columna y cromatgrafos on-line. Los datos de
operacin se recogieron desde el historiador de datos PI (perodo mayo-junio 1999) y
combinados con los datos de anlisis generados por el operador de planta. El weathering
point es una funcin directa (pero no sencilla) de la composicin de las corrientes de
productos. El primer modelo fundamental fall al predecir el weathering point correcto
porque el anlisis de rutina es una evolucin ni isotrmica ni adiabtica, pero s
politrpica. La metodologa de la red neuronal es capaz de considerar el error
metodolgico del laboratorio.
Una vez ms, se prepararon dos series de datos, una para el entrenamiento y otra
para la validacin de la NN entrenada. En la Figura 10 se exhibe el weathering point del
95% propano de para ambas series de datos.

Figura 10: histograma del weathering point para ambos conjuntos de datos,
entrenamiento (izquierda) y validacin (derecha).

La NN entrenada fue capaz de predecir muy bien la determinacin del

weathering point de la planta. En la Figura 11 puede exhibirse la prediccin continua a
travs de un perodo de una semana. En el mismo grfico estn superpuestas las
determinaciones hechas en el lugar.

Figura 11: prediccin del weathering point del propano (rosa) vs el valor actual (rojo).

Conclusiones:

La tecnologa de la NN ha demostrado ser una forma muy poderosa de obtener

correlaciones buenas y confiables para ejecutar la aplicacin de analizadores virtuales y
para instalar en lnea herramientas de optimizacin de proceso. El software, NeurOn-

53

Line Studio, para desarrollar y poner en lnea tal tecnologa y cubrir las necesidades del
personal de ingeniera, de tal manera que ningn profesionalismo se necesite poseer
sobre las NNs, pero s sobre el proceso y las relaciones causa-efecto.

Reconocimientos:

Queremos agradecer a las siguientes personas quienes suministraron los datos y

participaron en el desarrollo de algunos de los ejemplos presentados:

Sr. Carlos Lago, Repsol YPF, Centro de Tecnologa Aplicada,

Sr. Leonardo Rivas, Repsol YPF, Refinera Lujn de Cuyo.

Referencias:

Frawley W., Piatetsky-Shapiro G., Matheus, C. (1992), "Knowledge Discovery in

Databases: An Overview". AI Magazine, Fall 1992, 213-228.

Leonides, C. T. (1998), "Neural Network Systems Techniques and Applications",

Volumes 1 to 7, Academic Press, San Diego, California, USA.

Gensym Corporation (1999), NeurOn-Line Studio Users Guide, Cambridge,

Massachusetts.

Ruiz C. (1999), Predicting the 90% Distillation Point of a Fluidized Catalytic Cracking
Unit Naphtha. An Application of NOL Studio, Gensyms Users Society Conference
(GUS 99), Orlando, Florida, USA.

8.2 Software que pueden ser empleados en la industria de procesos.

En la Tabla 8.1 se detalla una lista con el nombre de varios software comerciales
de redes neuronales:
Software

NeurOn-Line

HNeT (Holographic/Quantum
Neuronal Technology).
NeuroMonitor Pro.

NeuroShell Predictor.
NeuroDynamX
NeuroSolutions
Neural OptiMatch TM

Compaa
Gensym Corporation
125 Cambridge Park Drive.
Cambridge, Massachussetts 02140

Representante en Argentina.
Soteica S.R.L.: Av. Alvarez Thomas
796 - 3 C, (1427) Buenos Aires,
Argentina.
AND Corporation
(212) 279-3833 Nueva York, (416)
920-8260 Toronto
ERA Technology
Cleeve Road, Leatherhead, Surrey,
KT22 7SA UK.
Ward Systems Group, Inc.
Executive Park West, 5 Hillcrest Dr.
Federick , MD 21703
DynaMind
NeuroDimension Inc.
NeuralR
Tabla 8.1

54

Webpage

http://www.gensym.com

http://www.soteica.com.ar

http://www.andcorporation.com

http://www.era.co.uk
http://www.warsystems.com
http://www.neuroshell.com
http://neurodynamx.com
http://www.nd.com
http://www.neural.com

Bibliografa

Neuronal Networks: Basics and Applications, by R. Lackes and D. Mack, in

collaboration with J. Ziola and K. Ahern. CBT (Computer Based Training) Springer,
Verlag Berlin Heidelberg 1998.

Proyecto Final de la Carrera Ingeniera Electrnica, Facultad de Ciencias
Exactas, Ingeniera y Agrimensura Universidad Nacional Rosario, por Daniel
Giardina. Directora del proyecto: Marta Basualdo. Ao: 1995. Argentina.

NOL Studio Applications Ruiz y Sonnet. (www.soteica.com.ar)

Tutorial de Redes Neuronales. Universidad Politcnica de Madrid, Espaa

(www.gc.ssr.upm.es/inves/neuronal/ann2/anntuto.htm).

Introduccin a las redes neuronales artificiales, por Alfredo Catalina Gallego
(www.gui.uva.es).

Control de procesos mediante redes neuronales, por Cristian F. Garrido Cisterna
(http:\\melquiades.dic.udec.cl/cgarrido).

55