neurona

Introducción a las Redes
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...