Fundamentación probabilística y estadística en el funcionamiento de las redes neuronales artificiales

Ponente(s): Addy Margarita Bolívar Cimé, Saúl David Candelero Jiménez, Aroldo Pérez Pérez

Las redes neuronales artificiales son modelos computacionales que buscan representar matemáticamente el procesamiento de información en sistemas biológicos, y que pueden ser utilizados en el reconocimiento de patrones para su clasificación, además pueden aplicarse a grandes cantidades de datos o datos de dimensión alta que aparecen en diversos campos. En esta plática se hablará de los resultados teóricos de Probabilidad y Estadística, así como de teoremas de aproximación universal, que fundamentan el buen funcionamiento de las redes neuronales artificiales. También se presentarán algunos ejemplos de simulación para ilustrar el buen desempeño de las redes neuronales, donde se mostrará cómo la proporción de error de clasificación que producen se aproxima a la probabilidad de error de clasificación mínima posible entre todos los clasificadores (error de Bayes), cuando el número de neuronas aumenta.