REDES NEURONALES

¿PODEMOS CONSTRUIR UN COMPUTADOR QUE PIENSE? ¿PORQUE LAS COMPUTADORAS NO PUEDEN ENTENDER EL SIGNIFICADO DE LAS FORMAS DE LAS IMAGENES VISUALES? ¿PORQUE LAS MAQUINAS NO PUEDEN APRENDER POR MEDIO DE LA EXPERIENCIA?

Se ha avanzado mucho en la automatización de muchas actividades. En la actualidad solo tenemos computadoras secuenciales lo cual no es lo más aparente para desarrollar AI. Hasta que no tengamos mejores equipos será necesario desarrollar mejores algoritmos para procesamiento paralelo.

¿Cómo se puede hacer que las computadoras puedan identificar figuras? El cerebro humano que es más lento en operaciones matemáticas que las computadoras actualmente en uso, pero realiza funciones de reconocimiento de imágenes más rápido que estas computadoras.

LAS NEURONAS

FISIOLOGIA DE UNA NEURONA INDIVIDUAL Los componentes de una célula nerviosa típica. La membrana de la célula separa el plasma intracelular del fluido interticial que está fuera de la célula.Esta membrana es permeable a ciertas especies ionicas de tal forma que mantiene un potencial eléctrico. Activación de bomba NA-K. Las especies de iones pueden fluir por la membrana a excepción de los iones orgánicos, que son negativos, esto dificulta el ingreso de iones de cloro, por habrán más iones de potasio dentro de la célula y menos de cloro. Difusión.

El equilibrio produce un diferencial de potencial atravez de la membrana de la célula de 70 a 100 mV. Siendo el más negativo el luido inttracelular. Se denomina potencial de reposo.

Se ve una neurona con varias entradas donde se ve el diferencial de potencial que se tiene distintas posiciones.MIELINA, capa aislante menos en los NODOS DE RANVIER. Las entradas excitadoras reducen la diferencia de potencial que existe en la neurona. La despolarización resultante en el montículo de axón altera la permeabilidad a efecto de los iones de sodio. Como consecuencia hay un fuerte ingreso de iones de sodio que permiten la despolarización. Potencial de acción. Las células son malos conductores, por eso en le axón se transmite atravez de la despolarización de cada nodo en forma discontinua. El tiempo que demora cada célula es 1 milisegundo para retornar al potencial de reposo. La frecuencia de transmisión de los pulsos nerviosos se 1000.

Actividad que se desarrolla entre 2 neuronas. Tiene lugar cuando se produce la liberación de una sustancia denominada NUEROTRANSMISORES, al ser liberada por la célula presináptica y absorbida por la célula postsinática. Cuando el potencial de acción llega a la membrana presináptica, los cambios de permeabilidad dan lugar a un flujo entrante de iones de calcio. Estos iones dan lugar que las vesículas que contienen los neurotransmisores se fundan con la membrana sináptica, liberando así sus neurotransmisores en la separación sináptica. Los neurottransmisores se unen a la membrana postsináptica en ciertos lugares llamados receptores. La acción química produce cambios en la permeabilidad y ingreso de iones. Si es positivo se vuelve efecto exitatorio. Si es negativo se vuelve inhibitorio. Estos efectos son locales, se suman en el montículo de Axon. Si la suma es mayor al umbral se genera un potencial de acción.

CIRCUITOS NEURONALES Y COMPUTACION Circuito neuronales básicos que se encuentran en los sistemas nerviosos. Convergencia y divergencia, base de los modelos de los modelos de redes neuronales. Retroalimentación.

COMO SE COMBINAN LAS NEURONAS PARA DAR ALTAS CAPACIDADES AL CEREBRO La actividad de una neurona es todo o nada Es preciso un número fijo de sinapsis (+1) sean excitadas dentro de un periodo de adición latente para que de excite una neurona. El único retraso significativo dentro del sistema nervioso es el retraso sináptico. La actividad de cualquier sinapsis inhibitoria impide por completo la excitación de la neurona en ese momento. La estructura de la red de interconexiones no cambia en el transcurso del tiempo. Las neuronas son binarias.

Precesión N2(t) = N1 (t-1) Disyunción N3(t) = N1(t-1) y N2(t-1) Conjunción N3(t) = N1(t-1) & N2(t-1) Conjunción con negación N3(t) = N1(t-1) & -N2(t-1)

APRENDIZAJE DE HEBB A Entrada del sonido Señal de B Salivación C Entrada visual

ANS

Los elementos individuales de forman la mayoría de los modelos de sistemas neuronales artificiales no suelen denominarse neuronas artificiales, son nodos o elementos de procesamiento (PEs). NO debemos pensar que existe relación biunívoca entre neuronas y Pes. Es solo una referencia, los Pes no son representación real de las neuronas. Cada PEs está numerado, tiene múltiples ingresos y una sola salida. Tiene un peso de entrada que está en relación con la neurona de entrada y salida. Entrada Neta Nj = E Xj Wij j El aprendizaje se da por la variación de los pesos de entrada. Ley de aprendizaje. En la sinápsis de da por la superficie de unión.

PERCEPTRON Inventado por Frank Rosenblatt a finales de los años 50. Su intención fue “ilustrar algunas de las propiedades fundamentales de los sistemas inteligentes sin entrar en detalles que se comparan con los sistemas inteligentes”. Desarrolla la teoría de separatividad estadística que se utiliza para caracterizar las propiedades más visibles de estas redes de interconexión ligeramente aleatoria.

Regresar a la lista de temas Regresar a la página principal Fue inventado por el psicólogo Franck Rosembatt a fines de loa años 1950. “Su intención fue ilustrar algunas de las propiedades fundamentales de los sistemas inteligentes en general sin entrar en condiciones especiales” Es un dispositivo que responde a señales ópticas. Puntos Sensibles (S), Unidades de Asociación (A), Puntos Aleatorios (S) Regresar a la lista de temas Regresar a la página principal