neurona
Neuronales y su aplicación a la
Investigación Astrofísica
Patricio García Báez
pgarcia@ull.es
Patricio García Báez
1
Sumario
x Introducción
x Inspiración
biológica
x Modelado Neuronal
x Implementaciones
x Aplicaciones
x Grupo de trabajo
x Futuro de las RNAs
Patricio García Báez
2
Redes Neuronales en la IA
Ramas de la InteligenciaArtificial en sus inicios:
x Simbólica-deductiva:
– Sistemas formales de reglas y manipulación
simbólica
– Rama más conocida de la IA
x Conexionista:
– Inspirada en las redes neuronales biológicas
– Métodos Inductivos: a partir de ejemplos
Ambas tratan de resolver problemas no algoritmicos a partir
de la experiencia almacenada como conocimiento
Patricio García Báez
3
RNA como Modelo deComputación
Conexionista vs. Von Neumann
• Masivamente paralelo
• Arquitectura secuencial
• Datos y programa
indiferenciable en las
conexiones
• Separa claramente datos
del programa en la
memoria
• Solución inducida por
aprendizaje
• Solución como algoritmo
o programa introducido
• Impredicibilidad de
resultados
• Resultados totalmente
predecibles
• Grantolerancia a fallos
• No tolera errores
Patricio García Báez
4
Áreas de Trabajo
Procesamiento de Señales
Análisis de Datos
Reconocimiento de Patrones
Control
Inteligencia Artificial
Desarrollo de aplicaciones
basadas en técnicas
conexionistas
Aplicaciones
Informática
Implementaciones
Sicología
Arquitectura y Teoría de RN
Matemáticas
Patricio García Báez
Construcciónde modelos
neuronales
Proponer y validar modelos de
funcionamiento de arquitecturas
neuronales
Neurofisiología
Física
5
Inspiración biológica
“Entender el cerebro y emular su potencia”
x Cerebro:
– Gran velocidad de proceso
– Tratamiento de grandes cantidades de información
procedentes de:
• Los sentidos
• Memoria almacenada
– Capacidad de tratar situaciones nuevas
–Capacidad de aprendizaje
Patricio García Báez
6
Inspiración biológica
x
Neuronas:
– Árbol dendrítico de
entradas
– Un axón de salida
– Sobre de104 sinapsis
– Comunicación mediante
Potenciales de Acción (PA)
– Periodo refractario de 10-3
segundos entre PAs
Patricio García Báez
7
Inspiración biológica
x
Transmisión neuronal:
– Impulso eléctrico que
viaja por elaxón
– Liberación de
neurotransmisores
– Apertura/cierre de
canales iónicos
– Variación potencial en
dendrita
– Integración de entradas
en soma
– Si se supera umbral de
disparo se genera un PA
Patricio García Báez
8
Inspiración biológica
x
Red Neuronal Biológica:
–
–
–
–
de 1010 a 1011 neuronas
1014 sinapsis
Organización por capas
Organización por niveles:
•Sistema Nervioso
Central (SNC)
• Circuitos entre regiones
• Circuitos locales
• Neuronas
• Árboles dendríticos
• Microcircuitos
neuronales
• Sinapsis
• Canales iónicos
Patricio García Báez • Moléculas
9
Inspiración biológica
x
Características SNC:
– Inclinación a adquirir
conocimiento desde la
experiencia
– Conocimiento almacenado
en conexiones sinápticas
– Gran plasticidadneuronal
– Comportamiento altamente
no-lineal
– Alta tolerancia a fallos
(muerte neuronal)
– Apto para reconocimiento,
percepción y control
Patricio García Báez
10
Modelado Neuronal
x Una
red neuronal artificial (RNA) es un sistema
de procesamiento de información que tiene
ciertas aptitudes en común con las redes
neuronales biológicas:
– El procesamiento de informaciónocurre en muchos
elementos simples llamados neuronas.
– Las señales son transferidas entre neuronas a través de
enlaces de conexión.
– Cada conexión tiene un peso asociado, el cual, típicamente,
multiplica a la señal transmitida.
– Cada neurona aplica una función de activación (usualmente
no lineal) a su entrada de red (suma de entradas pesadas)
para determinar su salida.
Laurene Fausett...
Regístrate para leer el documento completo.