Redes Neuronales y Sistemas Complejos

Dr. Walter Riofro Ros, PhD

Universidad Peruana Cayetano Heredia

Objetivos

Qu son los Sistemas Complejos y cul es su Importancia? Teora de las Redes Complejas Aplicaciones al Campo de la Neurociencia

La Complejidad

Segunda mitad siglo XX, nueva aproximacin a la investigacin cientfica, vinculada al problema de la complejidad:

Entidades interactan con otras entidades y su entorno

En las diferentes ramas y disciplinas cientficas, que incorporan a la complejidad como un nuevo valor cognitivo en la produccin de conocimiento. Estas teoras plantean una ruptura epistmica con el pensamiento cientfico clsico, que suponen la articulacin interdisciplinaria y transdisciplinaria de conocimiento.

Qu son los Sistemas Complejos?

Son colecciones de entidades (heterogneos): (molculas, clulas, genes, peces, plantas, personas, subestaciones elctricas, planetas, etc) Las interacciones son localizadas y se produce la auto-organizacin: (de naturaleza no lineal, dinmica, posiblemente catica)

TIPOS DE SISTEMAS

Simple

Complicado

Complejo

Dinmicas colectivas de un Sistema Complejo dan lugar a 'Propiedades Emergentes ' a escalas superiores, en el espacio y / o tiempo

por ejemplo, la cooperacin en un enjambre; la inteligencia, la conciencia; regulacin gentica - la homeostasis, el desarrollo, las enfermedades; cascada de fallos en la red elctrica; huracanes; auto-reparacin de los materiales; Vida, etc.

Sistemas Complejos fsicos, biolgicos, y sociales a menudo tienen propiedades similares

por ejemplo, las topologas de redes de interaccin, los fenmenos de escala, transiciones de fase, puntos de inflexin, robustez, capacidad de adaptacin, la formacin de patrones, etc. Enfoques tericos, matemticos y computacionales similares se pueden aplicar a diversos tipos de sistemas.

Food web

Power Grid

Regulatory network

TEORIA DE LA REDES COMPLEJAS

Tpica Neurona Biolgica

La neurona sinapsis

Las sinapsis son las conexiones realizadas por un axn a otra neurona. Son diminutos espacios entre axones y dendritas (con puentes qumicos) que transmiten mensajes Una sinapsis se denomina excitatoria si eleva el potencial de membrana local de la clula postsinptica. Se denomina inhibitoria si el potencial se reduce.

Tpica neurona artificial

connection weights

inputs output

threshold

Neurona Real y Artificial

dendrites cell axon synapse

dendrites
x0 w0

xn wn

wi xi
i 0

Threshold units o
i i

o 1 if

w x
i 0

0 and 0 o/w

Historia de Redes Neuronales Artificiales

1943: McCulloch y Pitts: modelo de una neurona -> Perceptrn 1960: Widrow y Hoff exploraron redes Perceptrn (que ellos llaman "Adalinas") y la regla delta. 1962: Rosenblatt demostr la convergencia de la regla de entrenamiento del perceptrn. 1969: Minsky y Papert demostraron que el Perceptrn no puede hacer frente a conjuntos de datos no linealmente separables 1986: Rumelhart y McClelland: Invencin de retropropagacin. A partir de 1985: Una gran cantidad de investigacin en Redes Neuronales -> Sistemas Complejos

Flujo de Informacin en una Red

Patrones de flujo de informacin. La informacin pasa a travs de una red mediante el uso de uno de los tres procesos: la transferencia en serie, la duplicacin en serie y la duplicacin en paralelo. En este esquema, la informacin (cuadrados) o bien se mueve o copia a un nodo adyacente (crculos). Las flechas indican donde la informacin fluir en el prximo punto de tiempo. El cerebro ms se asemeja a la duplicacin en paralelo, donde mltiples copias se propagan desde un nodo.

Algunas Aplicaciones de las Redes Neuronales Artificiales

Reconocimiento de voz Red diseada para leer los cdigos postales en sobres escritos a mano Alvinn es una red neuronal utilizada para controlar el trafico de vehculos. Reconocimiento facial Prediccin del comportamiento de mercado de valores

El Conectoma Humano: Una Red Compleja

El Cerebro como un Sistema Complejo

El cerebro utiliza el mundo exterior para darse forma a s mismo. (Autoorganizacin) Pasa a travs de perodos cruciales en los que las clulas del cerebro deben tener ciertos tipos de estimulacin para desarrollar capacidades, tales como la visin, el lenguaje, el olfato, el control muscular y el razonamiento. (Aprendizaje, evolucin, propiedades emergentes)

Caractersticas importantes del Cerebro

Robusto - tolerante a fallos Flexible - puede aprender sin ser programado de forma explcita Sabe desenvolverse en la informacin probabilstica difusa Es altamente paralelo

Qu es el Conectoma Humano?

El Conectoma Humano es:

Una descripcin estructural integral de la red de elementos y conexiones que forman el cerebro humano."

Aspectos Centrales del Conectoma Humano

En primer lugar, el conectoma es principalmente acerca de la estructura, sobre el extenso pero finito conjunto de vnculos fsicos entre los elementos neurales. La realidad fsica de la conectividad estructural proporciona un importante punto de convergencia metodolgica. En segundo lugar, el conectoma es una descripcin de la conectividad cerebral.

Para usar una analoga, una descripcin arquitectnica de una estructura fsica resume las principales caractersticas del diseo, pero no ofrece una lista de las dimensiones y posiciones de todos los bloques de construccin.

En tercer lugar, el objetivo principal detrs del concepto de conectoma es que es la descripcin de una red. El conectoma humano no es slo una gran coleccin de datos. Es un objeto matemtico que se ajuste de forma natural dentro de un marco terico ms amplio y, por lo tanto, vincula a las neurociencias con los avances modernos de la ciencia de redes y los sistemas complejos.