Consulta libro 1

Redes Neuronales y endocrinas

Una red neuronal es un sistema compuesto de muchos elementos
procesadores simples operando en paralelo, cuya funcin es determinada por
la estructura de la red, fuerza en las conexiones y el procesamiento realizado
por los elementos computacionales en los nodos.
Dr. Haykin, S. (1994, Neural Networks: A comprehensive foundation, NY,
McMillan,
P.2):
"Una red neuronal es un procesamiento distribuido masivamente paralelo que
tiene una tendencia natural para almacenar conocimiento emprico y hacerlo
disponible para el uso.
Recuerda al cerebro en dos aspectos:
1.- El conocimiento se adquiere por la red a travs de un proceso de
aprendizaje.
2.- Las conexiones interneurnicas se conocen como pasos sinpticos y se
usan para almacenar el conocimiento."
Ya teniendo una breve percepcin de lo que es una red neuronal debemos
ahora saber que existen dos tipos de redes neuronales, las redes neuronales
biolgicas y las redes neuronales artificiales ANN (Artificial Neural Network).
REDES NEURONALES BIOLGICAS.
Son el principal elemento del Sistema Nervioso. Las redes neuronales
biolgicas estn compuestas por un gran nmero de elementos llamados
neuronas. Una neurona es una clula compuesta por cuerpo, un nmero de
extensiones llamadas dendritas, que sirven de entradas, y una larga extensin
llamada axn que acta como salida. La sinapsis conecta el axn de una
neurona a las dendritas de las otras neuronas. Las neuronas estn dispuestas
en capas. En general las neuronas de una capa reciben entradas desde otra
capa y envan sus salidas a neuronas de una tercera. Dependiendo de la
aplicacin tambin es posible que las neuronas de una capa reciban entradas y
provean salidas a neuronas de la misma capa.
Las conexiones entre neuronas tienen pesos asociados que representan la
influencia de una sobre la otra. Si dos neuronas no estn conectadas, el
correspondiente peso de enlace es cero. Esencialmente, cada una enva su
informacin de estado multiplicado por el correspondiente peso a todas las
neuronas conectadas con ella. Luego cada una, a su vez, suma los valores
recibidos desde sus dendritas para actualizar sus estados respectivos.
REDES NEURONALES ARTIFICIALES.
Las redes neuronales artificiales (ANN) imitan su funcionamiento a aquellas
que se encuentran en el mbito biolgico. Son aptas para resolver problemas
que no poseen un algoritmo claramente definido para transformar una entrada
en una salida; aprenden, reconocen y aplican relaciones entre objetos.
Las redes neuronales artificiales se basan en el circuito de procesamiento de
entradas en el cual los pesos son sumados. Las funciones de peso sern
llamadas desde ahora como atenuadores. En la implementacin, las entradas a
una neurona son pesadas multiplicando el valor de la entrada por un factor
que es menor o igual a uno. El valor de los factores de peso es determinado
por el algoritmo de aprendizaje.

Son las que estas desprovistas de conducto excretor y vierten sus secreciones
directamente a la sangre, a nivel de los vasos capilares, las secreciones de las
glndulas endocrinas son de diferente naturaleza qumica pero en general se
denominan hormonas
Las hormonas son mensajeros qumicos que se encargan de coordinar, integrar
y regular el funcionamiento de diversas clulas y rganos de la economa.
Esta funcin de regulacin e integracin es parecida a la que cumple el sistema
nervioso, solo que es ms lenta, ms persistente y se manifiesta solo por
determinados tejidos u rganos llamados "rganos blancos", utilizando la
terminologa castrense.
Las glndulas endocrinas, segregan sus productos (hormonas) al espacio
extracelular que rodea las clulas secretotas en lugar de un conducto.
Posteriormente, la secrecin difunde a los capilares y es transportada a
distancia en la sangre. Las glndulas endocrinas forman el sistema endocrino,
son las siguientes:

La hipfisis (Glndula pituitaria).

Tiroides.

Paratiroides.

Suprarrenales (adrenales).

Pineal (Epfisis cerebral).

https://books.google.com.ec/books?
id=X0uLwi1Ap4QC&pg=PA108&dq=relaciones+neuronales&hl=es&sa=X&ved
=0CCAQ6AEwAWoVChMIwsiTv6mxwIVBBqQCh3P8wa0#v=onepage&q=relaciones%20neuronales&f=false

Consulta libro 2
Los fundamentos y principios bsicos de las redes neuronales artificiales as
como los distintos modelos de redes que se han ido desarrollando a lo largo de
su historia, surgen a partir del estudio del cerebro humano y del deseo de
imitar su estructura y su comportamiento a travs de la computacin. Lo que
se trata de conseguir es simular, a travs de un ordenador, las facultades de
pensamiento y raciocinio del cerebro en la resolucin de problemas habituales
relacionados con el reconocimiento de formas o patrones, prediccin,
clasificacin y optimizacin, entre otros.
El cerebro humano est formado por una gran cantidad de neuronas altamente
interconectadas a modo de red, asimilndose a un computador complejo cuyas
operaciones se llevan a cabo de forma paralela. Cada una de las neuronas

biolgicas es comparable a un microprocesador, siendo por si misma capaz de

procesar toda la informacin que recibe de otras neuronas o de elementos
externos al sistema neuronal. Parte de la estructura neuronal del cerebro que
posee el ser humano nace con l; otras partes se forman a lo largo de su
existencia.
El aprendizaje de un ser vivo a travs de la experiencia se traduce en la
formacin de nuevas conexiones entre neuronas o la modificacin de las ya
existentes. De esta forma, las funciones neuronales biolgicas, incluida la
memoria, se almacenan en las neuronas y en las conexiones que existen entre
ellas.
Segn Haykin (1994), las Redes Neuronales Artificiales (RNAs) son sistemas
paralelos para el procesamiento de la informacin, compuestos por un nmero
determinado de elementos simples de procesamiento interconectados
(neuronas), cuyas conexiones o pesos sinpticos son los encargados de
almacenar el conocimiento adquirido a travs de un proceso de aprendizaje.
Martn del Peso,Mnica. Aplicaciones de las redes neuronales artificiales a
problemas de prediccin y clasificacin financiera. Madrid: Universidad Rey
Juan Carlos, 2005. ProQuest ebrary. Web. 12 August 2015.