Redes neuronales I Concepto |
|
Si bien el primer estudio teórico sobre redes neuronales data de 1943 y fue efectuado por Mc Culloch y Pitts, su aplicación práctica es reciente en el tiempo y se inicia a principios de los noventa. En la actualidad, las aplicaciones prácticas de las redes neuronales son numerosas.
Se aplican a tareas en las que un ser humano se desenvuelve bien, pero en las que un sistema algorítmico tradicional lo hace de un modo ineficaz. No deben aplicarse en aquellos casos en los que la solución algorítmica es eficiente, es decir, problemas de cálculo aritmético o lógico que los ordenadores tradicionales resuelven muy bien. Tampoco podrán aplicarse en los casos en los que no se pueda disponer de un conjunto suficiente de patrones-ejemplo.
En general, las redes neuronales tratan de resolver de forma eficiente problemas que pueden encuadrarse dentro de tres amplios grupos: optimización, reconocimiento y generalización. Estos tres tipos engloban un elevado número de situaciones, lo que hace que el campo de aplicación de las redes neuronales en la gestión empresarial sea muy amplio. Los libros de Refenes (1995) y Deboeck y Kohonen (1998) recogen una amplia colección de trabajos aplicados en contabilidad y finanzas.
En los problemas de optimización se trata de determinar una solución que sea óptima. En la gestión empresarial, son decisiones de optimización encontrar los niveles adecuados de tesorería, de existencias, de producción, construir de carteras óptimas, etc.
En los problemas de reconocimiento se entrena una red neuronal con inputs como sonidos, números, letras y se procede a la fase de test presentando esos mismos patrones con ruido. Este es uno de los campos más fructíferos en el desarrollo de redes neuronales y casi todos los modelos de red neuronal han sido aplicados con mayor o menor éxito.
|
En los problemas de generalización la red neuronal se entrena con unos inputs y el test se realiza con otros casos diferentes. Problemas típicos de generalización son los de clasificación y predicción. Son problemas de generalización tratar de predecir la quiebra de las empresas a partir de su información contable o la concesión de préstamos, la calificación de obligaciones, la predicción en los mercados de valores, etc.
i) Clasificación
En los problemas de clasificación se trata de asignar a cada caso su clase correspondiente, a partir de un conjunto de ejemplos.
ii) Predicción
La predicción ha sido una de las aplicaciones que más pronto despertaron el interés de los estudiosos de las redes neuronales. El análisis técnico pretende predecir las cotizaciones a partir de la evolución histórica de precios y volúmenes de negociación. El análisis fundamental trata de valorar los factores económicos más importantes del entorno y contempla la evolución económico-financiera de las empresas.