Professional Documents
Culture Documents
Neuronales
Ronald Fernando Rodrguez Barbosa1
Resumen
Las mquinas tienen un papel importante en la
vida cotidiana de los seres humanos. Sin
embargo, lo que se conoce como sistemas de
cmputo y la gran evolucin que han tenido a
travs de los aos, han dado a entender que
an se presentan problemas, en el momento de
abordar tareas del mundo real; ya que la
informacin es masiva, redundante e imprecisa.
Por esa razn, desde hace unos aos, las
grandes mentes en la historia de la
computacin han propuesto nuevos modelos de
procesamiento, inspirados en las estructuras y
patrones que la naturaleza desarroll, durante
aos de evolucin. Al implementar estas
estructuras y patrones, se pueden encontrar
resultados satisfactorios en el momento de
resolver problemas tecnolgicos como los de
reconocimiento del habla, visin artificial,
sistemas de control, entre otros.
Palabras clave: redes neuronales artificiales,
neurona biolgica, aprendizaje en redes
neuronales.
Abstract
Machines have an important paper in the daily
life of the human beings. Nevertheless what is
known as systems of calculation and the great
evolution they have had across the years, they
have given to understand that they still present
problems in the moment to approach tasks of
the real world; due the information that this
one handles is massive, redundant and vague.
For this reason, a few years ago big minds in
history of the computation have proposed new
models of processing inspired by structures and
patterns in the nature which have developed
during years of evolution. On having
implemented these structures and these
patterns, satisfactory results can be found in the
moment to solve technological problems such
1 Estudiante de ingeniera de Sistemas Universidad Libre
Procesadores
Elementales +
Autoorganizacin
Fig.
2.
Acercamiento
descendente.
ascendente
otras neuronas.
Describindose como un sistema, la neurona
posee un canal de entrada de informacin que
son las dendritas, un rgano de cmputo, que
es el soma, y un canal de salida, el axn. En
ciertas neuronas el axn enva la informacin a
otras neuronas, mientas que las neuronas
motoras lo hacen directamente al msculo. Se
calcula que la neurona del corte cerebral recibe
informacin, por trmino medio, de unas
10,000 neuronas, y enva impulsos a varios
cientos de ellas.
Ahora bien, otro fenmeno en la generacin de
la seal nerviosa, est determinada por la
membrana neuronal y los iones presentes a
ambos lados de ella. La membrana se comporta
como un condensador, que se carga al recibir
corrientes debidas a las especies inicas
presentes. La membrana contiene canales y
nicos selectivos al tipo de ion 13, algunos son
pasivos14 y otros activos15. Los cuerpos inicos
ms sobresalientes en el proceso de la
generacin y trasmisin de la seal nerviosa
son el Sodio (Na), el potasio (K) y el Calcio
(Ca); existe tambin otra serie de protenas,
que se originan por la prdida de los anteriores.
La forma de comunicacin ms habitual entre
dos neuronas es de tipo qumico y la unin
entre dos neuronas se le denomina sinapsis. En
la sinapsis no existe un contacto fsico entre las
neuronas sino que entre ellas existe un pequeo
vacio de unas 0.2 micras, por el cual se
desplazan agentes qumicos denominados
neurotransmisores16. En esta relacin existe la
12 Prolongacin de la neurona, que permite la
propagacin de los impulsos nerviosos hacia
otras neuronas.
13 Partcula cargada elctricamente.
McClelland,
un
sistema
neuronal
o
conexionista est compuesta de los siguientes
elementos:
-Un conjunto de neuronas artificiales.
-Un patrn de conectividad o Topologa.
-Una dinmica de activaciones.
-Una regla o dinmica de aprendizaje.
-Un entorno donde operar.
Ahora bien, se denomina procesador elemental
o neurona artificial a un dispositivo simple de
clculo, que a partir de una serie de entradas,
ya sea que estas provengan del exterior o como
seal de trasmisin de otras neuronas,
proporciona una nica respuesta o seal de
salida.
hi ( t ) = ( wij , x i (t))
Se representa como:
hi ( t ) = wij , x i
j
ai ( t ) =f i ( ai ( t1 ) , hi (t))
, de la neurona i
, en funcin de su estado anterior ai ( t1 )
y de su potencial post-sinptico
actual.
Funcin de salida
que
Fi
g. 3. Modelo Rumelhart de neurona artificial.20
corresponde
a
Fi ( i ( t ) )
yi ( t )=
a
Fi ( i ( t ) )
la
salida
actual
de
i en funcin de su estado de
neurona
activacin. Sin embargo, es pertinente aclarar
que las salidas dependen del modelo aplicado,
por ejemplo en modelos comunes como MLP 21
o Adalina22, la funcin de salida puede ser de
tipo escaln (ver Figura 4), mientras que en
otros modelos como el caso de la mquina de
Boltzman, se trata de una funcin estocstica.
(Ver Figura 5).
hi ( t ) = (wij , x i (t))
de la neurona i en funcin de sus pesos y
entradas.
La
forma
ms
habitual
para
la
x j (t )
y pesos
hi ( t ) = (wij , x i (t))
Una funcin de activacin
a
Fi ( i ( t ) )
yi ( t )=
.
Con frecuencia se aade al conjunto de pesos
i ,
de la neurona un parmetro adicional
que se denomina umbral, y se resta del
potencial post-sinptico, por lo cual nuestra
funcin de activacin quedar como la
sumatoria del conjunto de entradas con los
pesos sinpticos menos el umbral as:
wij , x i
j
d wij
=0
dt
Enlaces en Internet.
28 de febrero de 2011.].
[15].
Lynuz (revista especializada en [18].
David Daz. Inteligencia Artificial,
ciencias
de
la
educacin
e
Robtica, Neuro-computacin, Programacin
Neuronal y otras hierbas [en lnea].
Inteligencia Artificial). Inteligencia
<http://es.scribd.com/doc/52609381/i
Artificial
[en
lnea].
nteligencia-artificial-robotica
<http://lynuz.org/ciencias-de-laneurocomputaciA%C2%B3neducacion/psicologia/inteligencia-artificial/>,
program>. [citado el 30 de febrero
[citado el 2 de marzo 2 de 2005].
de 2011].
[16].
REDEI (Red de entretenimiento
SCIENTIST. Molecular Biology for
e informacin). Orgenes de la [19].
computer
inteligencia Artificial (parte 19) [en
<http://www.biostat.wisc.edu/~craven
lnea].
/hunter.pdf.>. [citado el 5 de marzo
<http://www.biografica.info/redei/origenes-dede 2011].
la-inteligencia-artificial-20.php?split=18>.
[20].
Herbert Jaeger, A tutorial on training
[citado el 4 de marzo de 2011.].
recurrent neural networks, covering BPPT,
[17].
Olimpiadas
Nacionales
de
RTRL, EKF and the "echo state network"
contenido
Educativo en internet
approach
[en
lnea].
(http://www.oni.escuelas.edu.ar).
<http://www.ifi.uzh.ch/ailab/teaching/NN2008/
Maquinas como hombres [en lnea].
misc/Jaeger_EchoSNtutorialRev_2005.pdf>.
<http://www.oni.escuelas.edu.ar/olimpi2000/b
[citado el 18 de Marzo 2011]
s-as/quienes-somos/frainfor.htm>. [citado el