Modelo neuronal

SOMI XV CIB – 20

EL MODELO NEURONAL DE McCULLOCH Y PITTS Interpretación Comparativa del Modelo
R. Prieto, A. Herrera, J. L. Pérez, A. Padrón. Laboratorio de Computación Adaptativa, Centro de Instrumentos, UNAM. Apdo. Postal 70-186, Coyoacán 04510, México D.F. rpm@aleph.cinstrum.unam.mx

RESUMEN Desde sus orígenes, las redes neuronales artificiales han demostrado ser de gran utilidad enciertas aplicaciones. Esto ha contribuido, principalmente en fechas recientes, a estudiar los fundamentos teóricos de la dinámica de estos sistemas. El modelo neuronal de McCulloch y Pitts fue el primer modelo neuronal moderno, y ha servido de inspiración para el desarrollo de otros modelos neuronales. Sin embargo, en muchos de los estudios en que refieren a este modelo, no se interpreta correctamenteel sentido que quisieron dar originalmente McCulloch y Pitts, atribuyéndole características o funciones que no fueron descritas por sus autores, o restándole importancia a la capacidad de procesamiento del modelo. Por otro lado, el modelo McCulloch-Pitts por si mismo está retomando importancia debido a que es uno de los pocos modelos digitales en tiempo discreto y, como para realizarimplantaciones electrónicas o computacionales de las neuronas artificiales en la actualidad se utilizan sistemas digitales, con la mayoría de los modelos analógicos actuales es necesario realizar ciertas adaptaciones a los modelos al momento de implantarlos, lo que dificulta y hace imprecisa a dicha implantación con respecto al comportamiento teórico derivado del modelo. En este trabajo se hace una revisióndel modelo neuronal de McCulloch y Pitts, para establecer sus alcances y limitaciones, para a partir de ellos poder desarrollar nuevos modelos neuronales discretos que tengan mayor capacidad de procesamiento y que puedan ser fácilmente implantados digitalmente. ABSTRACT Since they were created, artificial neural networks have proved to be useful in some applications. This has encouraged, mainly inrecent times, to study theoretical fundaments of dynamics of this kind of systems. The model proposed by McCulloch and Pitts was the first modern neural model, and has been taken as an inspiration to develop other neural models. However, in several papers referring to this model, the sense that originally McCulloch and Pitts wanted to set is not properly interpreted, assuming functions ofcharacteristics that were not described by its authors, or decreasing its importance to the processing capacity of the model. On the other hand, McCullochPitts model is getting importance because it is one of the few digital models working in discrete time and, in order to do electronic or computational implementations now a days digital systems are used, with most of the analog models it is necessary toadapt the model during implementation, which makes it difficult and becomes imprecise compared with the theoretical behavior. In this work we review McCulloch-Pitts model, to establish its capacity and limitations, to start from there to develop new discrete neural models with higher processing capacity and that can be easily implemented digitally. 1. INTRODUCCIÓN El estudio de las redesneuronales ha sido de gran interés para diversos grupos de estudio, en un principio desde el punto de vista biológico con la idea de poder explicar el funcionamiento del cerebro y de los procesos neuronales asociados, pero posteriormente también con el objetivo de desarrollar sistemas "inteligentes" que fueran capaces de desarrollar diversas actividades. Desde sus orígenes, las redes neuronalesartificiales han demostrado ser de gran utilidad para ciertas aplicaciones. Esto ha contribuido, principalmente en fechas recientes, al interés por estudiar los fundamentos teóricos de la dinámica de este tipo de sistemas.

CONGRESO NACIONAL DE INSTRUMENTACION

SOMI XV CIB – 20 El modelo neuronal propuesto por Warren S. McCulloch y Walter Pitts en 1943 [1] fue el primer modelo neuronal moderno, y ha...