Redes neoronales
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 Inteligencia Artificial ensus 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 de ComputaciónConexionista vs. Von Neumann
• Masivamente paralelo • Datos y programa indiferenciable en las conexiones • Solución inducida por aprendizaje • Impredicibilidad de resultados • Gran tolerancia a fallos
Patricio García Báez
• Arquitectura secuencial • Separa claramente datos del programa en la memoria • Solución como algoritmo o programa introducido • Resultados totalmente predecibles • No toleraerrores
4
Áreas de Trabajo
Procesamiento de Señales Análisis de Datos Reconocimiento de Patrones Control Inteligencia Artificial Desarrollo de aplicaciones basadas en técnicas conexionistas Construcción de modelos neuronales Proponer y validar modelos de funcionamiento de arquitecturas neuronales
5
Aplicaciones
Informática Sicología
Implementaciones Arquitectura y Teoría de RNMatemáticas
Patricio García Báez
Neurofisiología Física
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 biológicax
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 el axón – Liberación de neurotransmisores – Apertura/cierre de canales iónicos – Variaciónpotencial 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 • Árbolesdendríticos • 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 plasticidad neuronal – 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 información ocurre 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
Patricio García Báez
11
Modelado Neuronal
x Enfoques:
– Computacional:
• Modelos eficientes, potentes y simples • Áreas de...
Regístrate para leer el documento completo.