IA conexionista-Redes Neuronales Artificiales: introducción

TEMA: IA conexionista-Redes Neuronales
artificiales
Contenidos:
1. Anatomía del sistema nervioso y fisiología de la
neurona
2. Codificación de información en las RNA
Conceptos de Inteligencia Artificial TEMA: IA conexionista-Redes Neuronales
artificiales
MSc. Priscill Orue - Inteligencia Artificial 1

neurona
Principal característica que nos separa de los
animales  capacidad de raciocinio
¿Cómo funciona el cerebro?
¿Se pueden construir modelos artificiales que lo
emulen?
¿Se pueden desarrollar máquinas inteligentes?
artificiales

neurona
Se estima que el cerebro humano contiene más de cien mil
millones de neuronas y sinápsis en el sistema nervioso
humano.
Estudios sobre la anatomía del cerebro humano concluyen
que hay más de 1000 sinápsis a la entrada y a la salida de
cada neurona.
Es importante notar que aunque el tiempo de conmutación de la
neurona ( unos pocos milisegundos) es casi un millón de veces menor
que en las actuales elementos de las computadoras, ellas tienen una
conectividad miles de veces superior que las actuales
supercomputadoras.
artificiales

neurona
Las neuronas y las
conexiones entre
ellas (sinápsis)
constituyen la clave
para el procesado
de la información.
artificiales

neurona
Hay tres partes en una neurona:
 el cuerpo de la neurona,
 ramas de extensión llamadas dendritas para
recibir las entradas, y
 un axón que lleva la salida de la neurona a las
desdirías de otras neuronas.
artificiales

neurona
En general, una neurona envía su salida a otras por
su axón.
El axón lleva la información por medio de diferencias
de potencial, u ondas de corriente, que depende del
potencial de la neurona. Este proceso es a menudo
modelado como una regla de propagación
representada por la función de red u(.).
artificiales

neurona
La neurona recoge las señales por su sinápsis sumando todas las influencias
excitadoras e inhibidoras. Si las influencias excitadoras positivas dominan, entonces la
neurona da una señal positiva y manda este mensaje a otras neuronas por sus sinápsis
de salida.
En este sentido la neurona puede ser modelada como una simple función escalón f(.).
La neurona se activa si la fuerza combinada de la señal de entrada es superior a un
cierto nivel, en el caso general el valor de activación de la neurona viene dado por una
función de activación f(.).
artificiales

Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) están inspiradas en
las redes neuronales biológicas del cerebro humano.
Están constituidas por elementos que se comportan de forma similar a la neurona
biológica en sus funciones más comunes. Estos elementos están organizados de una
forma parecida a la que presenta el cerebro humano.
Las ANN al margen de "parecerse" al cerebro presentan una serie de características
propias del cerebro. Por ejemplo las ANN aprenden de la experiencia, generalizan de
ejemplos previos a ejemplos nuevos y abstraen las características principales de una
serie de datos.
artificiales

La comunicación entre las neuronas se produce a través de
una unión especializada llamada sinapsis. Por medio de la
misma, la actividad eléctrica de una neurona, denominada
neurona presináptica, influye en la actividad de una segunda
neurona, denominada neurona postsináptica.
Cada neurona establece un promedio de unas 1000
conexiones sinápticas y probablemente sobre ella recaen
unas 10 veces más. Si en el encéfalo hay unas 1011 neuronas,
habrá unas 1014 sinapsis.
artificiales

artificiales

En una Red Neuronal Artificial (RNA) se tienen cuatro elementos
básicos:
1. Un conjunto de conexiones, pesos o sinapsis que determinan
el comportamiento de la neurona. Estas conexiones pueden
ser excitadoras (signo positivo) o inhibidoras (conexiones
negativas).
2. Un sumador que se encarga de sumar todas las entradas
multiplicadas por las respectivas sinapsis.
3. Una función de activación no lineal para limitar la amplitud de
salida de la neurona.
4. Un umbral exterior que determina el umbral por encima de la
cual la neurona se activa.
artificiales

Este es el esquema de una RNA con sus
componentes:
artificiales

En una RNA, la estructura puede darse por:
Conexiones hacia delante: para todos los modelos neuronales, los datos de las neuronas de
una capa inferior son propagados hacia las neuronas de la capa superior por medio de las
redes de conexiones hacia adelante.
Conexiones hacia atrás: estas conexiones llevan los datos de las neuronas de una capa
superior a otras de la capa inferior.
Conexiones laterales. Un ejemplo típico de este tipo es el circuito "el ganador toma todo"
(winner-takes-all), que cumple un papel importante en la elección del ganador.
Conexiones con retardo: los elementos de retardo se incorporan en las conexiones para
implementar modelos dinámicos y temporales, es decir, modelos que precisan de memoria.
artificiales

Existen dos fases en toda aplicación de las redes neuronales: la
fase de aprendizaje o entrenamiento y la fase de prueba:
 En la fase de entrenamiento, se usa un conjunto de datos o
patrones de entrenamiento para determinar los pesos
(parámetros de diseño) que definen el modelo neuronal.
 Una vez entrenado este modelo, se usará en la llamada fase de
prueba o funcionamiento directo, en la que se procesan los
patrones de prueba que constituyen la entrada habitual de la
red, analizándose de esta manera las prestaciones definitivas
de la red.
artificiales

2. Codificación de información en el sistema
nervioso
De acuerdo al tipo de entrenamiento, se puede
obtener esta taxonomía:
artificiales

IA conexionista-Redes Neuronales artificiales
 Investigue las ventajas y las desventajas de las
RNA frente a la programación tradicional.
Extensión: 3 – 5 ventajas, 3 – 5 desventajas.
artificiales

Algunas referencias consultadas:
Andina de la Fuente, Diego (2010). Redes Neuronales Artificiales. Universidad Politécnica de Madrid-
UPM: Departamento de Señales, Sistemas y Radiocomunicaciones (SSR). Acc 2013
<http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html>
García Quiroz, Adan (2008). Redes Neuronales: apuntes. Instituto Politecnico Nacional
Escuela Superior De Ingenieria Mecanica Y Electrica- Unidad Profesional Culhuacan. Acc 2013
http://www.sisman.utm.edu.ec/libros/FACULTAD%20DE%20CIENCIAS%20ZOOT%C3%89CNICAS/CARRERA
%20DE%20INGENIER%C3%8DA%20EN%20INFORMATICA%20AGROPECUARIA/07/INTELIGENCIA%20ARTIFI
CIAL%20II/REDES%20NEURONALES.pdf
Pérez, Jesús Merino, María José Noriega Borge (2011). Comunicación Neuronal: Sinapsis. Universidad de
Cantabria. Acc 2013 <http://ocw.unican.es/ciencias-de-la-salud/fisiologia-general/materiales-de-clase-
1/bloque-ii/Tema%208-Bloque%20II-Comunicacion%20Neuronal%20Sinapsis.pdf>
Serrano, Antonio, Emilio Soria y José D. Martin (2010). Redes Neuronales Artificiales. Universitat de
Valencia: Escola Tecnica Superior d’ Enginyeria. Acc. 2013. <http://ocw.uv.es/ingenieria-y-arquitectura/1-
2/libro_ocw_libro_de_redes.pdf>
artificiales

IA conexionista-Redes Neuronales Artificiales: introducción

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (9)

Similar to IA conexionista-Redes Neuronales Artificiales: introducción

Similar to IA conexionista-Redes Neuronales Artificiales: introducción (20)

More from Priscill Orue Esquivel

More from Priscill Orue Esquivel (9)

Recently uploaded

Recently uploaded (20)

IA conexionista-Redes Neuronales Artificiales: introducción