Professional Documents
Culture Documents
METODOLGICOS
RESUMEN
Para poder comprender mejor cmo funcionan las redes neuronales artificiales vamos
a estudiar el sistema nervioso de los animales e intentaremos buscar una semejanza
con un modelo artificial.
INTRODUCCION
Los pasos que vamos a realizar para comprender el funcionamiento de una red
neuronal son:
Pgina 1 de 16
el que iremos modificando los pesos W de cada neurona para conseguir su
activacin sinptica.
Paradigma simblico
Paradigma Conexionista
Pgina 2 de 16
Tenemos dos ramas del conexionismo:
Mtodos usados:
Conocimientos.
Smbolos.
Seales.
Un sistema interacta con su cuerpo (medio interno) y con el medio externo a travs
de sensores y efectores.
La red neuronal consta de una estructura en una metodologa conexionista, por lo que
ambos enfoques juntos proporcionan informacin para su estudio.
Pgina 5 de 16
Solo un observador externo que conoce los componentes, las relaciones y los
procesos puede tener una visin global del clculo.
La reaccin del cuerpo con respecto a los estmulos del medio desencadena el
funcionamiento de una serie de mecanismos neuronales que realizan los clculos
correspondientes.
Sensacin percepcin.
Planificacin y control de la accin motora.
Asociacin / Decisin.
Aprendizaje.
Lazos tipo I. Son los que cierran dentro de cada sistema funcional, pero
sin salir del cerebro.
o Memoria local.
o Temporizacin.
o Percepcin-accin.
o Generacin de patrones de conducta motora.
Lazo Tipo III. Se cierran a travs del medio externo a travs de los
sensores y efectores que tenemos para interactuar con el medio.
Pgina 6 de 16
Para poder completar e intentar conseguir que una mquina pueda llegar a tener una
forma de calcular parecida a la que se da en los seres vivos, se debe estudiar el
comportamiento del sistema nervioso.
Se debe pensar en trabajar como lo hara el sistema nervioso cuando reacciona ante
los estmulos de su entorno.
Los propsitos seran los mecanismos de control, que no son ms que un clculo que
realiza para obtener el resultado deseado.
Representacional.
Situado.
Conexionista.
REPRESENTACIONAL
Un proceso mental se puede comparar con el proceso que realiza las operaciones de
un ordenador.
Est basado en el procesamiento del lenguaje natural por el que dos palabras
(conceptos) que se encuentran en el mismo contexto (medio) y estn relacionadas
entre s, producen un discurso (resultado).
Pgina 7 de 16
El enfoque representacional comienza a partir de conceptos, las relaciones entre ellos
y los procesos que se dan para conseguir un fin.
Ontologa:
Atributos (propiedades,..)
SITUADO
CONEXIONISTA
Pgina 8 de 16
Realmente no podemos deducir la estructura o datos que se van procesando en el
algoritmo, y cada neurona de la red en funcin de su sinapsis (Peso de la neurona W)
ir trabajando para conseguir el resultado esperado.
Neuronas de entrada.
Neuronas de salida.
Neuronas ocultas.
Todas ellas relacionadas entre s por medio de la estructura neuronal que diseemos
para la funcin que pretendemos conseguir.
Pgina 9 de 16
Con la arquitectura de una RNA tenemos la estructura de neuronas interconectadas.
Sabemos las neuronas de entrada, las de salida y jugaremos con las ocultas para
obtener el resultado esperado.
El cerebro de las personas se distingue de los animales en cuanto que estos tienen
una respuesta para cada estimulo, y en cambio las personas ante un estimulo
tenemos una representacin simblica que nos muestra un montn de posibilidades
de reaccin.
Estos smbolos vistos desde el punto de vista del observador externo designan:
El observador externo necesita saber cmo surge el smbolo a partir del proceso
sensorial que obtenemos de la interaccin con el medio ambiente.
En las redes neuronales todo este proceso se lleva a cabo en las conexiones
sinpticas.
Los smbolos en el caso de una RNA son el resultado de los ajustes que se dan en los
pesos de las neuronas durante el aprendizaje que aplicamos.
Tareas de sntesis.
Tareas de anlisis para ver cmo funciona
La neurona emite impulsos de actividad elctrica a lo largo de una fina y delgada capa
denominada axn; pues bien, las extremidades de estas ramificaciones llegan hasta
las dendritas de otras neuronas y establecen conexiones conocidas como sinapsis,
que finalmente transforman el impulso en un mensaje.
Pgina 11 de 16
neuronas de que se compone procesan de forma paralela la informacin. De
esta forma se pueden obtener respuestas en tiempo real.
Las redes neuronales estn formadas por neuronas interconectadas entre s. Dichas
neuronas actan como si fueran elementos de clculo que se van activando en funcin
del valor que demos al peso sinptico de dicha neurona.
Pgina 12 de 16
Generalmente se aade a los pesos un elemento adicional i (umbral)
que se resta del potencial postsinptico. i es el nivel mnimo que debe
alcanzar el potencial de la neurona para que sta se dispare o active.
Supervisado.
No supervisado.
Por refuerzo.
SUPERVISADO
2
E=
A medida que se entrena la red, las neuronas van variando sus pesos,
hasta conseguir el entrenamiento que proporcione el resultado esperado.
NO SUPERVISADO
POR REFUERZO
CONCLUSIONES
Partiendo del estudio del sistema nervioso natural y lo que pretendemos obtener en la
inteligencia artificial, llegamos a un nuevo paradigma de resolucin de clculos muy
diferentes a como se han realizado habitualmente.
Dichas neuronas actan como si fueran elementos de clculo que se van activando en
funcin del valor que demos al peso sinptico de dicha neurona.
Neuronas de entrada.
Pgina 14 de 16
Neuronas de salida.
Neuronas ocultas.
Sabemos las neuronas de entrada, las de salida y jugaremos con las ocultas para
obtener el resultado esperado.
REFERENCIAS BIBLIOGRAFICAS
Pgina 15 de 16
On how the computational paradigm can help us to model and interpret
the neuronal function, J. Mira and E. Delgado,
http://dx.doi.org/10.1007/s11047-006-9008-6
Pgina 16 de 16