Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCION
Si tuviéramos que definir la principal característica que nos separa del resto de
animales seguramente, la gran mayoría de nosotros, responderíamos la capacidad de
raciocinio. Esta capacidad nos ha permitido desarrollar una tecnología propia de tal
que en estos momentos, esta tecnología se orienta a descubrir su origen ¿Cómo
funciona el cerebro? ¿Se pueden construir modelos artificiales que lo emulen? ¿Se
pueden desarrollar maquinas inteligentes?. Todas estas preguntas han conducido a un
desarrollo exponencial de una campo multidisciplinar del conocimiento conocido como
Inteligencia Artificial (I. A.).
Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con la
actividad de neuronas.
NEURONA BIOLOGICA
Aunque todos los cerebros de una especie animal son fundamentalmente iguales, su
estructura varía ligeramente de un individuo a otro. Así mismo, aunque todas las
neuronas son fundamentalmente iguales, su estructura varía de un ejemplar a otro.
En el cerebro humano, por ejemplo, hay más de 10.000.000.000 de neuronas, tantas
como árboles individuales hay en una gran selva como la del Amazonas, con tantos
tipos y tamaños distintos como especies diferentes de plantas hay en un pequeño
bosque. No hay dos neuronas exactamente iguales, así como no hay dos árboles
idénticos, aunque sean de la misma especie.
Las neuronas son células altamente especializadas que toman su forma y estructura
precisa del medio ambiente que las rodea. Es decir, de la composición química del
medio fisiológico que las alimenta, de las hormonas que las afectan y de los campos
eléctricos y gradientes químicos que experimentaron durante su crecimiento y
maduración. En particular, las neuronas son fuertemente afectadas por la naturaleza
y distribución en el tiempo de los potenciales eléctricos y neurotransmisores
producidos en su cercanía como resultado de la actividad de otras neuronas.
Las neuronas de comunicación conectan entre sí áreas del cerebro que pueden incluso
estar separadas por decenas de centímetros, pero no abandonan jamás la
circunscripción del tejido.
Las interneuronas son neuronas de comunicación que limitan su alcance a unas pocas
décimas de milímetro a su alrededor, entrando en contacto tan sólo con sus vecinas
inmediatas.
A pesar de las marcadas diferencias morfológicas existentes entre los diversos tipos
de neuronas, todas estas células están compuestas por un cuerpo celular o soma, las
dendritas con sus importantísimas “espículas sinápticas”, el axón con un
recubrimiento opcional o “vaina de mielina” y las ramificaciones terminales.
CAPITULO 2
Las dendritas son estructuras filamentosas que se desprenden del soma de manera
similar a como las ramas o raíces de los árboles se desprenden del tronco. Su única
función es la de hacer contacto (sinapsis) con otras neuronas
Las células de Schwann son células que acompañan a la neurona durante su crecimiento
y desarrollo de su función, cumplen la función de aislante del axón provocando que
una señal eléctrica lo recorra sin perder la intensidad
de Ranvier donde se acumulan los canales iónicos. Dado que la mielina es un aislante
electroquímico, aumenta la resistencia de la membrana axónica y, por tanto, la
velocidad de conducción del impulso nervioso de forma que los potenciales de acción
pasan de un nódulo de Ranvier a otro. Esto se conoce como conducción saltatoria del
impulso nervioso y permite una transmisión más rápida del potencial de acción.
Las ramificaciones terminales son el punto de conexión con otra neurona, células
musculares o de glándulas
El cerebro presenta las siguientes ventajas que son deseables para los sistemas
computacionales:
Sistema caracterizado por una red adaptiva combinada con técnicas de procesado
paralelo de la información. (Kung 93).
Desde la perspectiva del reconocimiento de patrones las redes neuronales son una
extensión de métodos clásicos estadísticos. (Bishop 96).
Las definiciones expuestas son un botón de muestra pues cada autor las define de
una manera, para ser que en todas ellas aparece el componente de simulación del
comportamiento biológico, que no todas ellas emulan una determinada estructura
neuronal. Lo que sí tienen en común estos elementos con el cerebro humano es la
distribución de las operaciones a realizar en una serie de elementos básicos que por
analogía se conocen como neuronas.
Es importante mencionar que las Redes Neuronales Artificiales son un método que
permiten resolver problemas, de forma individual o combinada con otros métodos,
para aquellas tareas de clasificación, identificación, diagnóstico en las que el balance
datos/conocimiento se inclina hacia los datos.
Aprender: adquirir el conocimiento de una cosa por medio del estudio, ejercicio
o experiencia. Las ANN pueden cambiar su comportamiento en función del
entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para
producir unas salidas consistentes. Una red neuronal es una integración de
diversos sistemas de aprendizaje, es por ello que tienen la capacidad de
aprender a través de un entrenamiento previo.
Generalizar: extender o ampliar una cosa. Las ANN generalizan
automáticamente debido a su propia estructura y naturaleza. Estas redes
pueden ofrecer, dentro de un margen, respuestas correctas a entradas que
presentan pequeñas variaciones debido a los efectos de ruido o distorsión.
Abstraer: aislar mentalmente o considerar por separado las cualidades de un
objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de
entradas que aparentemente no presentan aspectos comunes o relativos.
Topología de red: Permite determinar la capacidad representativa de como una
cantidad de neuronas están distribuidos en capas y distribuidas entre sí. En
donde la topología de red se basa en el problema a resolver.
Tipo de entrenamiento: Una RNA presenta dos tipos de entrenamiento, una
que durante la etapa de aprendizaje la red se entrena para que los pesos
sinápticos se adecuen a la red. La segunda es una etapa de ejecución en donde
la red ya pasa ser operativa cuya red toma un valor de funcionamiento real.
Arquitecturas Neuronales
Según el número de capas
Métodos de aprendizaje
En una red neuronal es necesario definir un procedimiento por el cual las conexiones
del dispositivo varíen para proporcionar la salida deseada. Los métodos de
aprendizaje se pueden dividir en las siguientes categorías:
El aprendizaje supervisado presenta a la red las salidas que debe proporcionar ante
las señales que se le presentan. Se observa la salida de la red se determina la
diferencia entre esta y la señal deseada. Posteriormente los pesos de la red son
modificados de acuerdo con el error cometido. Este aprendizaje admite dos
variantes: aprendizaje por refuerzo o aprendizaje por corrección.
CAPITULO 2
Operación en tiempo real. Los cómputos neuronales pueden ser realizados en paralelo;
para esto se diseñan y fabrican máquinas con hardware especial para obtener esta
capacidad.