Optimización de Redes Neuronales con Computación Evolutiva

Introducción a las Técnicas de Optimización de Redes Neuronales mediante Computación Evolutiva

Técnicas de Programación

Existen dos tipos de técnicas de programación:

1. Convencionales: Se caracterizan por un elevado conocimiento del dominio del problema, lo que permite la obtención inmediata de soluciones. En otras palabras, se sabe cómo resolver el problema.
2. No convencionales: En este caso, el conocimiento del dominio del problema es reducido, y la obtención de soluciones no es inmediata. Se recurre a técnicas de Soft Computing como Redes Neuronales Artificiales (RNA), árboles de decisión y Computación Evolutiva (algoritmos genéticos), entre otras.

Algoritmos Genéticos

Los algoritmos genéticos se inspiran en la Teoría de la Evolución y el principio de Selección Natural. Son técnicas de optimización que buscan maximizar o minimizar una función objetivo. Estos algoritmos son especialmente útiles en problemas con múltiples mínimos locales, donde las técnicas de gradiente descendente podrían fallar, ya que realizan una búsqueda simultánea en varias zonas.

Conceptos Clave

• Individuo: Una solución al problema codificada para ser procesada por el algoritmo genético.
• Codificación: Representación del individuo, generalmente como una cadena de bits o números reales.
• Genotipo: Representación de los cromosomas mediante cadenas de dígitos binarios.
• Fenotipo: Características observables del individuo determinadas por su genotipo.
• Valor de ajuste: Indica la bondad de un individuo, se calcula mediante una función de ajuste que se busca minimizar o maximizar.
• Genes: Símbolos que forman un individuo.
• Población: Conjunto de individuos.

Funcionamiento (Evolución Natural)

1. Creación de una población aleatoria (generación 0): Los valores de los genes de cada individuo se asignan al azar. Inicialmente, serán malas soluciones al problema. Es necesario evaluar a cada individuo con la función de ajuste.
2. Creación de una nueva población a partir de la anterior (siguiente generación): Se combinan individuos de la población (sobre todo los mejores) para crear individuos para la nueva población. Una vez creada la nueva población, se elimina la antigua.
3. Repetición del paso anterior hasta cumplir un criterio de parada: Se detiene el proceso cuando se encuentra un individuo lo suficientemente bueno, se alcanza un número máximo de generaciones prefijado o todos los individuos de la población son iguales.

Selección de Individuos

Se deben escoger los individuos que se reproducirán para formar la siguiente generación. El proceso debe ofrecer a los mejores individuos una mayor probabilidad de ser elegidos, aunque los peores también deben tener alguna posibilidad, aunque baja.

Existen diferentes algoritmos de selección disponibles:

• Torneo
• Ruleta
• Sobrante estocástico
• Universal estocástica
• Muestreo determinístico

Cruce de Individuos

Combina genes de los padres para obtener descendencia. Se realiza con una alta probabilidad (90%). Si no se realiza el cruce, se copia un individuo.

El Sistema Nervioso y su Complejidad

En los vertebrados superiores, la neoformación de neuronas cesa, como tarde, el segundo año de vida y, a partir de este momento, va perdiendo elementos hasta el final de su vida. En el hombre adulto se considera que son decenas de miles de elementos los que se pierden cada día. Gracias a este proceso de muerte neuronal se incrementa el campo dendrítico, zona de recepción de estímulos de las neuronas, y las relaciones interneuronales se hacen más específicas.

Entre las zonas periféricas y centrales del sistema nervioso existe una correspondencia gracias al idioma único, en código de frecuencia, ofrecido por el "transductor" que actúa después de la recepción, impidiéndose de este modo "ver música u oír imágenes". La información va desde los receptores a la corteza cerebral, pasando por estaciones intermedias de la médula espinal, tronco cerebral, cerebelo, etc. Se produce una "filtración primaria" en el propio órgano receptor, existiendo posteriores filtros y reelaboradores de la información en las estaciones intermedias del sistema nervioso donde la información se clasifica e integra con las que llegan de otras zonas del sistema nervioso. Todo este conjunto conforma lo que se conoce como división sensorial del sistema nervioso.

La división motora se encarga de transmitir las órdenes dirigidas a los órganos efectores o ejecutadores, en código de frecuencia mediante dos vías: "piramidal" o voluntaria y "extrapiramidal" o automática. Las partes encefálicas bajas del sistema nervioso se corresponden con las respuestas automáticas y las altas con acciones deliberadamente controladas por los procesos cognitivos del sistema nervioso.

La asociación de las informaciones aferentes da una "imagen total" y se realiza en unas zonas cerebrales llamadas "sistemas de asociación", las cuales se encuentran entre las divisiones sensorial (encargada de recibir los estímulos del entorno) y motora (encargada de enviar al entorno las respuestas elaboradas en el sistema nervioso), produciéndose en ellos la función integradora del sistema nervioso continuando el proceso de "evaluación" de los estímulos, tanto internos como externos, para determinar su importancia para el organismo. Es, en este nivel, donde se alcanzan las más altas cotas de potencialidad neuro-glial: capacidad de abstracción, personalidad, generalización, etc.

Los sistemas de integración abarcan a la totalidad del cerebro. Sus estructuras están interrelacionadas condicionándose mutuamente en su actividad y siendo característicos los "circuitos circulares" entre las diferentes estructuras o elementos (manipulación de algoritmos en las instalaciones de procesos de datos).

La complejidad del sistema nervioso aumenta, en general, con el nivel alcanzado por el individuo en el desarrollo filogenético. Dicha complejidad incrementa su capacidad de rendimiento y adaptación a entornos cambiantes (+ probabilidad de supervivencia).