mis trabajos universitarios

Estrategia cognitiva
Sinapsis
Esquema con los principales elementos en una sinapsis modelo. La sinapsis permite a las células nerviosas comunicarse con otras a través de los axones y dendritas, transformando una señal eléctrica en otra química.
La sinapsis (del griego σύναψις [sýnapsis], ‘unión’, ‘enlace’)1es una unión (funcional) intercelular especializada entreneuronas2 o entre unaneurona y una célula efectora (casi siempre glandular o muscular). En estos contactos se lleva a cabo la transmisión del impulso nervioso. Éste se inicia con una descarga química que origina una corriente eléctrica en la membrana de la célula sináptica (célula emisora); una vez que este impulso nervioso alcanza el extremo del axón (la conexión con la otra célula), la propia neurona segrega un tipo decompuestos químicos (neurotransmisores) que se depositan en el espacio sináptico (espacio intermedio entre esta neurona transmisora y la neurona post sináptica o receptora). Estas sustancias segregadas o neurotransmisores (noradrenalina y acetilcolina entre otros) son los encargados de excitar o inhibir la acción de la otra célula llamada célula post sináptica.
Una red neuronal artificiales un modelo matemático inspirado en la estructura de las
redes neuronales biológicas y en cómo procesan la información. Estos modelos están formados
por unidades simples, llamadas nodos o neuronas, que se conectan entre sí y se disponen en
capas. En casi todas las redes neuronales hay una capa de entrada que recibe la información y
una capa de salida encargada de trasmitir la informaciónprocesada al exterior y puede haber
una o varias capas ocultas encargadas de establecer relaciones complejas. Las conexiones entre
las neuronas indican la dirección y el sentido en el que fluye la información.
Aunque hay muchos tipos de redes neuronales, cuando el objetivo es predecir el valor
futuro de una serie temporal, las más utilizadas son la redes multi capa hacia delante(MLP), en
2 XII Jornadas de ASEPUMA
Redes neuronales y sistemas dinámicos complejos.
las que la información que llega a cada nodo procede de los nodos de la capa anterior, y las
redes recurrentes, en las que información procesada en la capa oculta o en la capa de salida se
toma nuevamente como información en la capa de entrada.
El siguiente gráfico representa una red neuronal con 4 nodosen la capa de entrada que
reciben la información de exterior, cinco en la capa oculta y una en la capa de salida. La información que llega a una neurona de la capa oculta es
conexiones entre las unidades de la capa de entrada y la neurona j de la capa oculta. En cada una
de las neuronas de la capa oculta se aplica una función no lineal σ, llamada de activación, y
la información queparte de la unidad oculta j hacia la neurona de salida. La
información total que llega a la neurona de salida es
5
α 0 + ∑ α jσ ( β 'j x + β 0 j )
j =1
y el resultado de aplicar una función de activación Fcorrespondiente a esta neurona es
⎛ ⎞
5
F ⎜ α 0 + ∑ α jσ ( β 'j x + β 0 j ) ⎟ .
⎝ ⎠j =1
Cuando la función de activación de las neuronas de capa oculta es la logística o la tangente
hiperbólica la red recibe el nombre de MLP. En general, la función de activación F es la
identidad, aunque es posible utilizar otra función dependiendo de la naturaleza de los datos, y se
considera que todos los nodos de la capa oculta tienen la misma función de activación.
En...