Teora de Sistemas Administracin de Desastre

UNIDAD IV: Anlisis Matemtico del Riesgo .

Bibliografa: Maldelbrot, B. (1997) The Fractal Geometry of Nature. Tusquets Editores. Barcelona. Matin, B. (2002) Redes Neuronales y Sistemas Difusos. RA-MA. Morin, E. (1994) Introduccin al Pensamiento Complejo. Editorial Gedisa, Barcelona.

Neurona Definicin____________
Clula del sistema nervioso que genera y transmite los impulsos nerviosos. Las neuronas estn conectadas entre ellas formando circuitos neuronales. En los puntos de contacto hay una pequesima separacin (la sinapsis) por la que se intercambian unas molculas qumicas llamadas neurotransmisores.

Redes Neuronales Definicin______

Las Redes Neuronales Artificiales (Artificial Neural Networks - ANNs) se constituyeron inicialmente como una simulacin abstracta de los sistemas nerviosos biolgicos formados por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros. Las conexiones de estos nodos se asemejan a las dendritas y axones de los sistemas nerviosos biolgicos.

Una red neuronal artificial es llevar a la computacin el proceso de imitar o hacer el trabajo que realiza una red neuronal biolgica (RNB), modelo del cual esta inspirado.

Redes Neuronales Definicin______

El cerebro humano promedio cuenta con aproximadamente mil millones de neuronas. Asimismo, durante las sinapsis cada una de estas neuronas recibe en promedio alrededor de 1000 estmulos de entrada y genera alrededor de 1000 estmulos de salida. En este sentido, la principal ventaja del cerebro humano promedio recae en su conectividad, interpretada como la capacidad del mismo para realizar diferentes procedimientos lgicos a la vez. Sin embargo, su principal debilidad recae en la velocidad de procesamiento de la informacin, siendo las computadoras en este sentido, muchsimo ms rpidas.

Redes Neuronales Biolgicas______

El objetivo de las redes neuronales de tipo biolgico se constituye en desarrollar un elemento sintctico que permita verificar las hiptesis correspondientes a los dems sistemas biolgicos. Es decir, las redes neuronales de tipo biolgico deben recibir y procesar informacin de otros sistemas biolgicos y devolver una respuesta de accin efectiva.

Redes Neuronales Definicin______

Una computadora puede realizar en segundos clculos aritmticos que, a un ser humano, le llevaran aos, la aritmtica es difcil para los humanos, con lo que dicha habilidad se considera tradicionalmente como un signo de gran inteligencia. Las principales caractersticas de las ANNs son las siguientes: Auto Organizacin y Adaptabilidad Utilizan algoritmos de aprendizaje adaptativo y auto organizacin ofreciendo posibilidades de un procesamiento robusto y adaptable. Procesado No Lineal y Paralelo Aumenta la capacidad de la neurona para poder aproximar y clasificar informacin hacindose ms inmune al ruido (datos desordenados)

Diferencias entre las redes neuronales Biolgicas y Matemticas

A diferencia del cerebro humano, las computadoras separan las funciones de memoria de aquellas de clculo computacional y utilizan el software o programas para unirlas dato por dato. El cuello de botella causado por un procesador usando datos uno a uno est saturando el cmputo tradicional. Generalmente, las computadoras dependen de una unidad central de procesamiento (CPU) para efectuar cada tarea de proceso.

Estructura de una Neurona________

La mayor parte de las neuronas posee una estructura arbrea formada por dendritas que, conectadas a otras neuronas, se encargan de recibir los estmulos de entrada neuronales mediante uniones denominas sinopsis. Algunas neuronas tiene una estructura que las comunica con miles de neuronas ms, mientras otras slo puede comunicarse con unas cuantas a su alrededor. Las tres partes importantes de la estructura de una neurona son: Ramas de Extensin o Dendritas Cuerpo de la Neurona Axn

Estructura de una red Neuronal________

Una red neuronal est definida por un nivel de entrada, un nivel de salida y uno o varios niveles ocultos Cada uno de estos niveles est compuesto por un nmero de neuronas, llamadas as por analoga con el cerebro humano, que representan los procesos elementales de decisin. La salida de una neurona se obtiene por una funcin que evala ponderadamente cada una de las entradas procedentes de las neuronas del nivel anterior.

Estructura de una red neuronal de tres niveles

Aplicaciones de las redes neuronales al anlisis de riesgos

Los entornos comercial y cientfico en los que los sistemas informticos recogen enormes cantidades de datos son ideales para la aplicacin de las redes neuronales. El software de redes neuronales se usa actualmente en aplicaciones como las siguientes: deteccin de fraude en transacciones con tarjeta de crdito, prediccin de la devolucin de prstamos, prediccin del rendimiento de inversiones, diagnstico de tumores, identificacin de especmenes biolgicos desconocidos y prediccin de fallos de seguridad en productos.

El desarrollo de Redes Neuronales para las entidades financieras y para las compaas de seguros. Un ejemplo claro de esto es la implementacin de este software en la Caja de Ahorros del Mediterrneo (CAM) de Alicante para realizar el anlisis del Riesgo Crediticio.

Anlisis estadstico del conjunto de entrenamiento.

El anlisis del conjunto de entrenamiento, llamado tambin modelo composicional multiatributo, es una tcnica estadstica que se origin en la psicologa matemtica. Hoy se utiliza en muchas de las ciencias sociales y ciencias aplicadas incluyendo el marketing, la administracin del producto y la investigacin operativa. El objetivo del anlisis conjunto es determinar qu combinacin de un nmero limitado de atributos es el ms preferido por los encuestados. Se utiliza con frecuencia para comprobar la aceptacin de diseos nuevos de producto por parte del cliente y valorar el atractivo de anuncios Se ha utilizado en el posicionamiento de producto, pero hay algunos problemas con la aplicacin de la tcnica.

Sistema Difusos_________________
Lgica Difusa
Lgica difusa significa incertidumbre, multiplicidad de valores con muchas interpretaciones. Entre el conjunto de caractersticas que hacen a los sistemas difusos interesantes, esta la posibilidad de manejar esa incertidumbre o razonamiento aproximado. La lgica difusa permite tomar decisiones usando valores estimados bajo incompleta informacin. Los sistemas difusos tambin nos permiten usar expresiones cualitativas o representaciones descriptivas, tales como "lento", "moderadamente rpido", etc. Estas representaciones son mas naturales que ecuaciones matemticas para muchas reglas humanas. Esto permite una gradualidad en los cambios.

Red Neuronal Difusa

Control Difusos_________________
Lgica Difusa
Control Difuso: El control difuso es una tcnica de control basada en la inferencia difusa. Dadas unas entradas, las cuales son tpicamente medidas desde el sistema a ser controlado, nosotros debemos determinar la salida para controlar el sistema. En control difuso las entradas, salidas y reglas deben ser difusas. Por ejemplo: si la temperatura es alta entonces la velocidad debe ser rpida.

Red Neuronal Difusa

Control Difusos_________________

Valores de la Lgica binaria

Lgica Clsica y Lgica Difusa________

Probablemente ests familiarizado con algn tipo de lgica clsica (binaria, trivalente, etc.), las cuales tienen bien definidos sus valores de umbral. Por ejemplo en la lgica binaria obooleana, existen dos valores de verdad (o de umbral): verdadero falso, 1 0, s no.

Valores de la Lgica binaria La lgica trivalente es una lgica de tres respuestas definitivas: