Perceptron monocapa

Práctica #1
“Perceptrón Monocapa”

OBJETIVO:
Simular la operación de un perceptrón en tareas de seguimiento de trayectoria.

INTRODUCCION:
Con las Redes Neuronales se busca la solución de problemas complejos, no como una secuencia de pasos, sino como la evolución de unos sistemas de computación inspirados en el cerebro humano, y dotados por tanto de cierta "inteligencia", los cuales noson sino la combinación de elementos simples de proceso (neuronas - se dará una visión rápida sobre el funcionamiento de las mismas en los seres vivos) interconectados, que operando de forma paralela en varios estilos que serán analizados detalladamente, consiguen resolver problemas relacionados con el reconocimiento de formas o patrones, predicción, codificación, control y optimización entreotras aplicaciones.

Modelo Biológico

Las redes neuronales tienen su origen en la emulación de un sistema biológico: el sistema nervioso, cuyo elemento fundamental es la neurona. De hecho, el desarrollo de las redes neuronales avanza a la par con la neurobiología.
Cada célula nerviosa o neurona consta de una porción central o cuerpo celular, que contiene el núcleo y una o más estructurasdenominadas axones y dendritas.

Las neuronas tienen la capacidad de comunicarse, el proceso que se lleva a cabo es el siguiente: la señal nerviosa se recibe en las dendritas de las neuronas y recorre el axón, un tubo delgado de hasta 1m de longitud. El axón mantiene un equilibrio químico caracterizado por el aumento de la concentración de iones de potasio en su interior y sodio en el exterior.Cuando se transmite una señal, la vaina de mielina que envuelve el axón permite el paso de los distintos iones. Los iones sodio y potasio cambian de sitio y generan así una señal eléctrica que se desplaza a lo largo de la membrana. El espacio entre dos neuronas se llama sinapsis. Cuando el impulso llega a una sinapsis, unas vesículas descargan unos neurotransmisores químicos que llevan impulsosnerviosos hasta la neurona siguiente y así sucesivamente, conformando una amplia red de comunicaciones.

Pero una neurona no es simplemente un transmisor de información. Esta célula recibe dicha información (mediante neurotransmisores – señal química) de otras neuronas, la procesa internamente y envía el resultado a las siguientes neuronas a las que está conectada. El procesamiento que realiza laneurona consiste básicamente en medir la cantidad de información que ha recibido y responder de acuerdo con esto. |

Puede entonces establecerse una analogía entre la actividad sináptica y las redes neuronales artificiales: las señales que llegan a la sinapsis son las entradas (input) a la neurona; éstas son ponderadas (atenuadas o simplificadas) a través de un parámetro, denominado pesoasociado a la sinapsis correspondiente. Estas señales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso negativo). El efecto total corresponde a la suma de las entradas ponderadas. Las neuronas tienen un umbral de activación que es la cantidad de “input” necesario para activar la neurona, así, si la suma es igual o mayor que el umbral de la neurona, entonces ésta seactiva (da salida), de lo contrario, no se activa. Esta es una situación de todo o nada; cada neurona se activa o no se activa, pero no hay una respuesta intermedia. La facilidad de transmisión de señales se altera mediante la actividad del sistema nervioso. Las sinapsis son susceptibles a la fatiga, deficiencia de oxígeno y la presencia de anestésicos. Esta habilidad de ajustar señales es unmecanismo de aprendizaje. |

Modelo Matemático

La estructura del perceptrón monocapa es:
Donde:
bk-1=bk+ŋ∆b(k)
∆bk=-ŋek*Ḟ
ŋ= constante de aprendizaje 0<ŋ<1
F= tangente hiperbólica
Ḟ=(1-ŷ2k)
ek=yk-ŷ(k)
yk=salida de la planta
ŷk=salida del perceptron

Historia

Conseguir diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno
de los...