Las redes neuronales son sistemas que se basan en la estructura de las redes de neuronas del cerebro humano, donde hay entradas llamadas dendritas (Input) y una salida denominada ax\u00f3n(Output), la transmisi\u00f3n de informaci\u00f3n se lleva a cabo a trav\u00e9s del ax\u00f3n y las dendritas por medio de la sinapsis. Las se\u00f1ales que son enviadas a trav\u00e9s de las dendritas, son modificadas de acuerdo a la fuerza de la conexi\u00f3n sin\u00e1ptica, denominado peso sin\u00e1ptico. Lo anteriormente descrito permite a medida que m\u00e1s se\u00f1ales atraviesen el sistema, se creen conexiones sin\u00e1pticas m\u00e1s definidas que otras o que se creen patrones de conexi\u00f3n, que puedan variar o definirse dependiendo de la cantidad de se\u00f1ales que se procesan. Las redes neuronales tienen caracter\u00edsticas como: adaptabilidad, paralelismo, reconocimiento de patrones, tolerancia a ruido.<\/p>\n
La l\u00f3gica difusa es mecanismo de inferencia que por medio de funciones de membres\u00eda permite tomar informaci\u00f3n inexacta y presentar un resultado exacto, la clave est\u00e1 en saber comprender los cuantificadores del lenguaje natural. A diferencia de los conjuntos tradicionales, donde hay una relaci\u00f3n de pertenencia o no, la l\u00f3gica difusa, nos permite expresar pertenencia completa, parcial o baja; bas\u00e1ndose en las funciones de membres\u00eda que son asignadas por expertos, y que en base a los valores de entrada y evaluados en dicha funci\u00f3n se obtiene la pertenencia del elemento, un ejemplo es la distancia de un objeto, se fija una funci\u00f3n de membres\u00eda la cual ya no \u00fanicamente determina si est\u00e1 cerca o lejos, puede determinar si esta: cerca, medianamente cerca, muy cerca, lejos, medianamente lejos; permitiendo que los controladores no solamente trabajen con opciones on\/off, sino con las que sean necesarias para tomar acciones m\u00e1s espec\u00edficas y que el sistema parezca que responde de manera natural<\/p>\n
Las redes Neurodifusas son sistemas que aprovechan caracter\u00edsticas de las redes neuronales como la capacidad de aprender o auto ajustarse y generalizar, sumadas a las caracter\u00edsticas de la l\u00f3gica difusa, que trabaja con razonamiento l\u00f3gico basado en funciones de membres\u00eda, que permiten trabajar con variables ling\u00fc\u00edsticas, muy naturales para los seres humanos. Los sistemas de inferencia difusos pueden representar el conocimiento bas\u00e1ndose en reglas if-then, no tiene la capacidad de adaptarse cuando las condiciones externas cambien, es por este problema, que incluyen los conceptos de reconocimiento de las redes neuronales.<\/p>\n
La base de los sistemas Neurodifusos, se encuentran en las neuronas difusas, basadas en emular la morfolog\u00eda biol\u00f3gica de la neurona, seguida por un sistema de aprendizaje m\u00e1s la caracter\u00edstica difusa. Podemos calificar a las neuronas difusas dentro de dos tipos: la primera en la que caracter\u00edstica difusa se encuentra en la descripci\u00f3n de los pesos sin\u00e1pticos, y la segunda en que las se\u00f1ales que se transmiten, son difusas junto con los pesos sin\u00e1pticos.<\/p>\n
Hay que tener en consideraci\u00f3n acciones muy importantes para el desarrollo de sistemas Neurodifusos:<\/p>\n
\u00b7 Definici\u00f3n de los valores de entrada y salida<\/p>\n
\u00b7 Definici\u00f3n de los conjuntos difusos que se requieran utilizar<\/p>\n
\u00b7 Definici\u00f3n de las reglas difusas<\/p>\n
\u00b7 Estructuraci\u00f3n de la red neuronal<\/p>\n
\u00b7 Modelar conexiones sin\u00e1pticas que permitan incorporar interpretaci\u00f3n difusa.<\/p>\n
Podemos indicar dos modelos de redes Neurodifusas. El primer modelo responde a caracter\u00edsticas ling\u00fc\u00edsticas que el bloque de interfaz difusa proporciona, un vector de entrada para la red neuronal, la cual se puede adoptar para producir decisiones bien estructuradas. (Figura 1)<\/p>\n
![\"figura1\"](\"http:\/\/blog.espol.edu.ec\/jupacaam\/files\/2011\/02\/figura1.png\" "\\"figura1\\"")
<\/a><\/p>\n