| Libro |
|
PRÓLOGO DE LA 2ª EDICIÓN xv
PREFACIO DE LOTFI A. ZADEH xix
INTRODUCCIÓN xxiii
1 El largo y tortuoso camino hacia
la construcción de máquinas inteligentes xxiii
2 Microprocesadores, computadores y cerebro xxvi
3 Redes neuronales artificiales xxx
4 Sistemas borrosos xxxii
5 Redes neuronales y sistemas borrosos xxxiii
PRIMERA PARTE. REDES NEURONALES
CAPÍTULO 1. FUNDAMENTOS DE LAS REDES NEURONALES ARTIFICIALES
1.1 Breve introducción biológica
3
1.2 Estructura de un sistema neuronal artificial 10
1.3 Modelo de neurona artificial 13
1.4 Arquitecturas de redes neuronales. 21
1.5 Modos de operación: recuerdo y aprendizaje 26
1.6 Clasificación de los modelos neuronales 30
1.7 Computabilidad neuronal. 32
1.8 Un ejercicio de síntesis: sistemas conexionistas 33
1.9 Realización y aplicaciones de los ANS. 35
Apéndice: de la neurona biológica a la artificial.
37
CAPÍTULO 2. REDES NEURONALES SUPERVISADAS
2.1 Redes unidireccionales 41
2.2 El asociador lineal: aprendizaje hebbiano 42
2.3 El perceptrón simple (Rosenblatz, 1959). 47
2.3.1 Algoritmo de aprendizaje del perceptrón 51
2.4 La adalina (Widrow, 1961) 55
2.5 El perceptrón multicapa (grupo PDP, 1986) 63
2.6 El MLP como aproximador universal de funciones 64
2.7 Aprendizaje por retropropagación de errores (BP) 66
2.8 Aceleración del aprendizaje BP. Otros algoritmos 69
2.9 Capacidad de generalización de la red 71
2.10 Pinceladas sobre la relación del MLP con los métodos
estadísticos 76
2.11 Ejemplos de aplicación del MLP-BP 79
CAPÍTULO 3. REDES AUTO-ORGANIZADAS
3.1 Modelos neuronales no supervisados.
85
3.2 Modelo de mapas auto-organizados (Kohonen, 1982). 88
3.2.1 Introducción a los mapas auto-organizados. 88
3.2.2 Algoritmo de aprendizaje. 92
3.2.3 Algunas variantes de los SOFM 98
3.3 Ejemplos de aplicaciones 100
3.4 SOFM: cuantificación óptima de vectores 106
3.5 Análisis formal del proceso de auto-organización
108
3.6 Modelos de neurona de Kohonen. Medidas de similitud 112
3.7 Modelos de aprendizaje en mapas auto-organizados 113
CAPÍTULO 4. OTROS MODELOS DE REDES NEURONALES.
4.1 Redes neuronales realimentadas
121
4.2 Modelo de Hopfield 123
4.2.1 Modelo de neurona y arquitectura. Dinámicas. 123
4.2.2 Memoria asociativa. 127
4.2.3 Energía de la red. 129
4.3 Aprendizaje en la red de Hopfield 132
4.3.1 Regla de Hebb. 133
4.3.2 Reglas óptimas. 137
4.4 Ejemplo: reconocimiento de caracteres 140
4.5 Neurona estocástica. Máquina de Boltzmann 142
4.6 Modelo de Hopfield analógico (continuo) 145
4.6.1 Modelo de Hopfield de neuronas continuas. 145
4.6.2 Aplicaciones. Optimización. 148
4.7 Funciones de base radial (RBF) 152
4.8 LVQ 158
4.9 Otros modelos de redes neuronales. 160
CAPÍTULO 5. IMPLEMENTACIÓN DE REDES NEURONALES
5.1 Introducción 162
5.2 Simulación (software) de ANS 163
5.3 Emulación (hardware) de ANS 166
5.4 Realización hardware de ANS 168
5.5 Neurocomputadores y chips neuronales 169
5.5.1 Especificaciones de un neuroprocesador 171
5.5.2 Aspectos generales de la realización VLSI 174
5.6 Bloques básicos en la realización de neuroprocesadores
digitales 176
5.6.1 Sistema de control. 176
5.6.2 Unidad de proceso. 177
5.6.3 Unidad de almacenamiento. 179
5.6.4 Unidad de comunicación 180
5.6.5 Arquitecturas reconfigurables 184
5.6.6 Realizaciones especiales: lógica de frecuencia
de pulsos 185
5.7 Bloques básicos en la realización de neuroprocesadores
analógicos 186
5.7.1 Unidad de proceso 187
5.7.2 Unidad de almacenamiento 190
5.8 ¿Realización analógica o digital? 193
5.9 Realizaciones analógicas de ANS 198
5.10 Realizaciones digitales de ANS 200
5.11 Ejemplo: neuroemulador basado en FPGA 203
5.12 Resumen. Situación comercial y tendencias 206
CAPÍTULO 6. APLICACIONES DE LAS REDES NEURONALES ARTIFICIALES
6.1 Motivación e interés
del empleo de ANS. 209
6.2 Desarrollo de una aplicación con ANS 212
6.3 Programas de simulación de ANS 220
6.3.1 Programas comerciales 220
6.3.2 Programas de libre distribución 222
6.4 Comparación con otras técnicas 223
6.4.1 Redes neuronales e inteligencia artificial 223
6.4.2 Redes neuronales y estadística 225
6.4.3 Inconvenientes de las redes neuronales 227
6.5 Aplicaciones reales de los ANS 228
6.5.1 Informes sobre el estado de la aplicación de ANS
228
6.5.2 Listado de aplicaciones 229
6.6 Ejemplo de aplicación de ANS: previsión de
demanda eléctrica 235
6.7 Conclusiones 239
SEGUNDA PARTE. SISTEMAS
BORROSOS
CAPÍTULO 7. LÓGICA BORROSA
7.1 Introducción. 244
7.2 Conjuntos borrosos. 248
7.3 Funciones de inclusión de conjuntos borrosos. 249
7.4 Variable lingüística. 253
7.5 Particiones borrosas. 254
7.6 Medidas borrosas. 254
7.7 Operaciones borrosas 255
7.8 Inferencia borrosa. 257
7.8.1 Principio de extensión. 258
7.8.2 Relación borrosa. 258
7.8.3 Modus Ponens Generalizado y Modus Tolens Generalizado.
259
7.8.4 Implicación borrosa. 260
7.9 Reglas borrosas 261
7.10 Dispositivos de inferencia borrosa. 262
7.11 Borrosificador (fuzzifier). 264
7.12 Desborrosificador (defuzzifier). 265
7.13 Desarrollo de sistemas borrosos 266
7.14 Borrosidad y probabilidad 268
CAPÍTULO 8. SISTEMAS DE CONTROL BORROSO
8.1 Introducción al control
borroso 269
8.2 Un primer ejemplo. 271
8.3 Tipos de controladores borrosos. 276
8.3.1 Controladores borrosos directos sin optimización
276
8.3.2 Controladores borrosos directos con optimización.
278
8.3.3 Controladores borrosos híbridos 281
CAPÍTULO 9. APRENDIZAJE EN SISTEMAS BORROSOS
9.1 Introducción. 283
9.2 Retropropagación (BP). 284
9.3 Algoritmos genéticos. 287
9.3.1 ¿Qué optimizar?. 290
9.3.2 Codificación. 293
9.3.3 Operadores cruzamiento y mutación. 295
9.3.4 Diseño de la función de idoneidad. 297
9.4 Algoritmos genéricos desordenados. 299
9.4.1 Codificación. 300
9.4.2 Operadores corta y empalma. 303
CAPÍTULO 10. IMPLEMENTACIÓN DE SISTEMAS BORROSOS
10.1 Introducción. 305
10.2 Entornos de desarrollo 307
10.2.1 Entornos de tipo matemático 311
10.2.2 Entornos de lógica borrosa. 316
10.3 Codificación en C 324
10.4 Codificación en C++ 326
10.4.1 El modelo ARS (Sistemas de Respuesta Autónoma).
326
10.4.2 Objeto Vinculo. 330
10.4.3 Objeto World. 332
10.4.4 Objeto FEN (red borrosa equivalente). 332
10.4.5 Objeto ANN. 334
10.5 Realización hardware de sistemas borrosos. Aceleradores
334
CAPÍTULO 11. APLICACIONES DE LOS SISTEMAS BORROSOS
11.1 Introducción. Soft computing,
o imitando a la naturaleza 341
11.2 Interés del empleo de la lógica borrosa. Fusión
de tecnologías 342
11.3 Algunas aplicaciones de los sistemas borrosos 344
11.4 Robots móviles y navegación autónoma
345
11.5 Conclusión final 348
APÉNDICE A. CONTENIDO DEL CD-ROM 351
APÉNDICE B. RECURSOS EN INTERNET 353
BIBLIOGRAFÍA 357
ÍNDICE ALFABÉTICO 391