Académique Documents
Professionnel Documents
Culture Documents
En primer lugar hay que distinguir entre modelos neuronales -la forma- y
algoritmos neuronales -cmo aprenden-.
ASPECTOS GENERALES
La Neurona:
En 1849, Emil Heinrich Du Bois-Reymond, se basaba en la teora de que
el sistema
nervioso posea
una naturaleza elctrica.
Detectaba
las
imperceptibles descargas elctricas provocadas al contraer los msculos del
brazo. Utiliz un galvanmetro, un primitivo medidor de tensiones, y cuyo
electrodo, constitua de los hilos del aparato con trozos de papel secante
impregnado de solucin salina.
Se dio cuenta de que la piel actuaba como un aislante de las seales
elctricas, entonces, no vacil en abrirse una herida y logr captar seales
elctricas unas treinta veces ms intensas.
A finales del siglo IX se logr una mayor claridad sobre el
trabajo del cerebro debido a los trabajos de Ramn y Cajal en Espaa y
Sherrington en Inglaterra. El primero trabaj en laanatoma de las neuronas y el
segundo en los puntos de conexin de las mismas o sinpsis.
El tejido nervioso es el ms diferenciado del organismo y est constituido
por clulas nerviosas, fibras nerviosas y la neuroglia, que est formada por
varias clases de clulas. La clulanerviosa se denomina neurona, que es la
unidad funcional del sistema nervioso. Hay neuronas bipolares, con dos
estado del "mundo". Por ejemplo: Juan es mortal. Por ltimo, una mquina de
inferencia relaciona los hechos conocidos con las reglas If - Then y genera una
conclusin. En el ejemplo: Juan es mortal. Esta nueva conclusin se aade a la
coleccin de hechos que se almacena en los medios pticos o magnticos
del computador digital. De esta forma, un sistema experto sintetiza
nuevo conocimiento a partir de su "entendimiento" del mundo que le rodea. De
esta forma, un sistema experto es un mtodo de representacin y
procesamiento del conocimiento, mucho ms rico y poderoso que un
simple programa de computador. Sin embargo, con respecto a la manera en
que opera el cerebro humano, las limitaciones son mltiples.
Los problemasplanteados en trminos difusos o ambiguos, por ejemplo, son
muy complejos de analizar o "conocer" con sistemas de procesamiento
simblico, como los sistemas expertos o programasde computador.
Mtodo de transmisin de la informacin en el cerebro:
Antes conviene saber que en los primeros tiempos de la informtica a los
ordenadores se los llamaba calculadoras de cifras electrnicas o simplemente
calculadoras digitales. Lossistemas digitales trabajan con cifras en cdigo
binario
que
se
transmiten
en
formas
de
impulsos
(bits).
Los sistemas analgicos procesan seales continuamente cambiantes,
comomsica o palabra hablada.
Por suerte para nuestro propsito de imitar con un ordenador el cerebro este
tambin codifica la informacin en impulsos digitales. En los humanos las
sensaciones se generan digitalmente y se transmiten as a travs del sistema
nervioso. Con otras palabras cuando la luz se hace ms intensa, el sonido mas
alto o la presin mas fuerte, entonces no es que fluya mas corriente a travs de
los nervios, sino que la frecuencia de los impulsos digitales aumenta.
En principio los ordenadores trabajan de manera semejante. As una sensacin
mas fuerte corresponde en un equipo informtico a una cifra ms alta (o en una
palabra mas larga). Sin embargo en un ordenador los datos se transmiten
siempre a un mismo ritmo; la frecuencia base es inalterable. Por eso las cifras
mas altas tardan mas tiempo en ser transmitidas. Como por lo general el
ordenador o trabajan en tiempo real, esto no tiene mayor importancia, pero
cuando se trata de un procesador en tiempo real, como son los empleados
en procesoindustrial, hace falta de ampliar l numero de canales de transmisin
para que en el mismo espacio de tiempo pueda fluir mayor cantidad de datos.
Compuertas lgicas
produce
Cerebro
Computadora
La frecuencia de transmisin es
inalterable y esta dada por el reloj
interno de la maquina.
MARCO TERICO
LA NEURONA BIOLGICA
A finales del siglo XIX se logr una mayor claridad sobre el trabajo del cerebro
debido a los trabajos de Ramn y Cajal en Espaa y Sherrington en Inglaterra.
El primero trabaj en la anatoma de las neuronas y el segundo en los puntos
de conexin de las mismas o sinapsis. Se estima que en cada milmetro del
cerebro hay cerca de 50.000 neuronas, conteniendo en total ms de cien mil
millones de neuronas y sinapsis en el sistema nervioso humano. La estructura
de una neurona se muestra en la figura 1.
Figura1. La Neurona
El tamao y la forma de las neuronas es variable, pero con las mismas
subdivisiones que muestra la figura. Subdividindose as en tres partes:
1.el cuerpo de la neurona,
2.ramas de extensin llamadas dendritas para recibir las entradas, y
3.un axn que lleva la salida de la neurona a las dendritas de otras neuronas.
El cuerpo de la neurona o Soma contiene el ncleo. Se encarga de todas las
actividades metablicas de la neurona y recibe la informacin de otras
neuronas vecinas a travs de las conexiones sinpticas (algunas neuronas se
comunican solo con las cercanas, mientras que otras se conectan con miles).
Las dendritas, parten del soma y tienen ramificaciones. Se encargan de la
recepcin de seales de las otras clulas a travs de conexiones
llamadas sinpticas. Si pensamos, desde ahora, en trminos electrnicos
podemos decir que las dendritas son las conexiones de entrada de la neurona.
Por su parte el axn es la "salida" de la neurona y se utiliza para enviar
impulsos o seales a otras clulas nerviosas. Cuando el axn est cerca de
sus clulas destino se divide en muchas ramificaciones que forman sinapsis
con el soma o axones de otras clulas. Esta unin puede ser "inhibidora" o
"excitadora" segn el transmisor que las libere. Cada neurona recibe de 10.000
a 100.000 sinapsis y el axn realiza una cantidad de conexiones similar.
La transmisin de una seal de una clula a otra por medio de la sinapsis es
un proceso qumico. En el se liberan substancias transmisoras en el lado del
emisor de la unin. El efecto es elevar o disminuir el potencial elctrico dentro
del cuerpo de la clula receptora.
LA NEURONA ARTIFICIAL.
Un circuito elctrico que realice la suma ponderada de las diferentes seales
que recibe de otras unidades iguales y produzca en la salida un uno o
un cero segn el resultado de la suma con relacin al umbral o nivel de
disparo, conforma una buena representacin de lo que es una neurona
artificial. La funcin de transferencia para la activacin o disparo de la neurona
puede ser de umbral lgico (figura 4) o de limitacin dura (figura 4b) o de
funcin sigmoidal (tipo s) (figura 4c). W representa el peso o ponderacin de la
conexin a travs de una entrada.
REDES NEURONALES
La Red Neuronal Biolgica
El sistema de neuronas biolgico est compuesto por neuronas de entrada
(sensores) conectados a una compleja red de neuronas "calculadoras"
Los sensores pueden ser seales de los odos, ojos, etc. Las respuestas de las
neuronas de salida activan los msculos correspondientes. En el cerebro hay
una gigantesca red de neuronas "calculadoras" u ocultas que realizan la
computacin necesaria. De esta manera similar, una red neuronal artificial debe
ser compuesta por sensores del tipo mecnico o elctrico.
Teniendo en cuenta estas ocho componentes bsicas de toda red neuronal, los
distintos modelos de red neuronal pueden clasificarse de acuerdo con cuatro
criterios bsicos (Hilera y Martnez, 1995): (1) la naturaleza de las seales de
entrada y salida, (2) la topologa de la red, (3) el mecanismo de
aprendizaje que utilizan y (4) el tipo de asociacin de las seales de entrada y
salida y la forma de representar estas seales. Las distintas posibilidades de
presentarse estos aspectos junto con las distintas funciones de activacin y
transferencia nos permiten la clasificacin de los distintos modelos.
De Acuerdo Con Su Naturaleza
De acuerdo con la naturaleza de las seales de entrada y de salida podemos
clasificar las redes neuronales en analgicas, discretas (generalmente,
binarias) e hbridas:
Las redes analgicas procesan datos de entrada de naturaleza analgica,
valores reales continuos, habitualmente acotados y usualmente en el compacto
[-1,1] o en el [0,1], para dar respuestas tambin continuas. Las redes
analgicas suelen presentar funciones de activacin continuas, habitualmente
lineales o sigmoides. Entre estas redes neuronales destacan las redes de
</FON
capa de entrada
ARQUITECTURA RBF
Capa de salida
Capa oculta
Entrada de patrones
ARQUITECTURA KOHONEN
Entradas
ARQUITECTURA HOPFIELD
ARQUITECTURA FEEDFORWARD
NEURONA ARTIFICIAL
La neurona artificial se caracteriza por tratar de asimilar ciertas caractersticas
y propiedades de la neurona biolgica.
Continuacin se muestra un diagrama de una neurona artificial
SYe
d
Donde
Pesos
Error
Rata de aprendizaje
Entradas
Salida deseada
Funcion de activacion
Adaline
El "Elemento Lineal Adaptable", tambin llamado Adaline (primeramente
conocido como Neurona Lineal Adaptable), fue sugerido por Widrow y
Hoff en su obra "Adaptive switching circuits"[5]. En una simple
implementacin fsica, la cual es Ejemplo de aplicacin a una compuerta
logica OR
c. Calculando el error
tenemos que
= -1
c. El error es
tenemos que
=0
c. El error es
tenemos que
=0
4. a. Iteracion con k = 4
c. El error es
tenemos que
=0
BACKPROPAGATION (Retropropagacin)
Neuronas
Unidades de proceso
Conexiones sinpticas
Conexiones ponderadas
Las conexiones entre una capa y otra pueden ser totales, es decir, que cada
unidad se conecta con todas las unidades de la capa siguiente, o parciales, en
las cuales una unidad se conecta con slo algunas de las capas de la unidad
siguiente, generalmente siguiendo algn patrn aleatorio o pseudo-aleatorio
(por ejemplo, mediante algoritmos genticos).
Desde una aproximacin temporal se puede distinguir adems entre
conexiones sin retardo y conexiones con retardo. Esto permite modelar
aspectos dinmicos, por ejemplo en modelos psicofisiolgicos de memoria.
Al representar los pesos utilizamos dos subndices para indicar que conectan
dos unidades, i y j, dnde j se refiere la unidad actual.
La funcin de activacin
Se suele distinguir entre funciones lineales, en las que la salida es
proporcional a la entrada; funciones de umbral, en las cuales la salida es un
valor discreto (tpicamente binario 0/1) que depende de si la estimulacin total
supera o no un determinado valor de umbral; y funciones no lineales, no
proporcionales a la entrada.
Casi todos los avances recientes en conexionismo se atribuyen a arquitecturas
multicapa que utilizan funciones de activacin no lineales como una funcin de
umbral, una funcin sigmoidal una funcin gausiana. El problema de trabajar
con modelos no lineales radica en que son difciles de describir en trminos
lgicos o matemticos convencionales.
Funcin de umbral
En un principio se pens que las neuronas usaban una funcin de umbral, es
decir, que permanecan inactivas y se activaban slo si la estimulacin total
superaba cierto valor lmite; despus se comprob que las neuronas emitan
impulsos de actividad elctrica con una frecuencia variable , dependiendo de la
intensidad de la estimulacin recibida, y que tenan cierta actividad hasta en
reposo, con estimulacin nula. Estos descubrimientos llevaron al uso de
funciones no lineales con esas caractersticas, como la funcin sigmoidal, con
un perfil parecido al escaln de una funcin de umbral, pero continua.
Funcin gausiana
Optimizacin: heteroasociadores
Compresin de imgenes
(Cottrell, G.W. y otros) Han conseguido codificar imgenes con una relacin de
compresin de hasta 8:1 sin tener que idear ninguna regla y alta fidelidad en la
reconstruccin.
Reconocimiento de caracteres
Reconocimiento de escritura manual
Nestor, Inc => leen lo escrito mediante una tarjeta digitalizadora. Tras aprender,
son capaces de reconocer escrituras que nunca haban visto antes. Se ha
empleado por ejemplo para reconocer kanji (escritura japonesa), eliminando la
gran dificultad que presenta este lenguaje para introducirlo en el computador.
El Neocognitrn (Kunihiko Fukishima): simula la forma en que la informacin
visual avanza en la corteza cerebral. Consigue un reconocimiento muy
avanzado de patrones con gran capacidad de abstraccin y generalizacin,
que lo hacen capaz de reconocer patrones con distinta orientacin y altos
niveles de distorsin.
Problemas de combinatoria
Las redes neuronales artificiales estn ofreciendo ciertas esperanzas en el
rea de problemas algortmicamente tan complejos como los NP-completos; pe
el problema del viajante de comercio (Hopfield, J. & Tank, D.)
Proceso de seales
Prediccin
Filtro de ruido
El Futuro:
Hasta ahora el control de un entorno electrnico o incluso uno
electromecnico, (ej. Manejar una silla de ruedas), ha sido utilizando un solo
tipo de seal, sea que provenga de un msculo, del ojo o de ondas cerebrales.
Retina Artificial :
El ojo es una especie de burbuja vaca cuya pared interna, la retina, est
dotada de fotorreceptores que captan las imgenes y las transforman en
seales elctricas en direccin al nervio ptico. Si los oftalmlogos perciben,
mediante test, algunas respuestas elctricas, esto significa que el sistema
ocular funciona a pesar de las dificultades de visin de los pacientes. La
finalidad es captar los objetos exteriores con ayuda de una minicmara
con control de imagen y, despus, transplantar esta imagen elctrica sobre el
fondo de la retina. El chip electrnico que captara toda esa informacin sera
implantado en el interior del ojo y conectado con la retina con la ayuda de mil
electrodos. Los problemas de miniaturizacin pueden solventarse, pero los ms
complicados son los relacionados con la fragilidad de la retina. Los intentos
realizados en este sentido son los menos avanzados.
Los crtex, situados en la parte posterior de cada hemisferio cerebral, son los
responsables de eleborar la informacin que le proporciona el nervio ptico..
El Instituto de Organos Artificiales de Long Island, junto con la Universidad de
Estern de Canad han logrado implantar en el crtex de algunos pacientes una
diminuta reja de tefln provista de sesenta y cuatro electrodos de platino
conectados a una cmara de video y a un microordenador, que transforma en
seales numricas los impulsos analgicos de la cmara. As, lo que informa la
cmara se traduce en impulsos elctricos que son directamente transmitidos al
cerebro del paciente ciego.
Odo Artificial :
Cada sonido es una vibracin mecnica que pasa por el tmpano, y en el odo
interno se convierte en seales elctricas que son enviadas al nervio auditivo.
Esta transformacin elctrica es crucial, ya que el 93 porciento de las sorderas
estn ligadas a la destruccin del rgano de Corti, que es justamente el
transformador de nuestro odo.
Desde los aos cincuenta se sabe que un electrodo implantado en el odo
permite a la persona entender los sonidos, pero la gran dificultad estribaba en
transcribir con precisin todos los sonidos del mundo exterior. Segn la zona
estimulada, el nervio auditivo entiende un sonido agudo, grave o medio. La
solucin se dio con un dispositivo miniaturizado que convierte los sonidos
captados por un micrfono en impulsos elctricos, los cuales son enviados por
cables subcutneos a una antena adosada a la piel, cerca de la oreja. Otra
antena casi microscpica, disimulada en la piel del paciente, acta como
receptor de seales. La ltima fase del proceso se completa al activarse un
manojo de electrodos ( de 4 a 16 ) fijados previamente a la cclea, haciendo
una especie de puente sobre la va sensorial daada.
La tcnica, que es muy segura, tiene sus limitaciones, ya que los impulsos
elctricos slo pueden ser entendidos y decodificados por una persona que
alguna vez haya odo. Un sordo total de nacimiento sera incapaz de
"organizar" y entender lo que escucha.
El implante coclear es una microcomputadora que, situada en la parte ms
profunda del odo, reemplaza parcialmente al rgano.
Motricidad Asistida :
Mini Desfibrilador :
Entre los ataques al corazn, el ms peligroso es la fibrilacin ventricular. El
rgano, por efecto de una catica actividad, es incapaz de bombear sangre.
Slo hay un modo de parar lacrisis : sometiendo al corazn a una descarga
elctrica que consigue que su actividad reemprenda su curso natural, con un
ritmo regular. Desde los aos cincuenta, los servicios de reanimacin disponen
de desfibriladores que permiten enviar el shock que salva la vida. Pero el
problema reside en llegar al hospital a tiempo. Un cardilogo polaco ha ideado
un productorevolucionario : un desfibrilador implantable capaz de vigilar
permanentemente el ritmo cardaco y de enviar, a los primeros sntomas de
fibrilacin, una descarga de 700 u 800 voltios a travs del corazn.
Corazn Artificial :
Las virtudes del corazn artificial son conocidas por casi todo el mundo, ya se
ha odo hablar de la bomba de resina implantada y porttil, capaz de ayudar a
un rgano deficiente. Varias personas se han beneficiado con este sistema, el
Novacor, que por el momento es la solucin para los pacientes que esperan un
transplante.
Hasta ahora quienes llevaban un corazn artificial tenan enganchado a la
cintura un aparato que pesaba cinco kilos. El Novacor, en cambio, es un
diminuto controlador que se sita en el abdomen, cerca de la bomba, y la
energa es dispensada, no por un cable, sino directamente a travs de la piel.
Se basa en dos cinturones, uno exterior, dotado de batera, y otro interior,
cargado por el primero.
Este corazn ofrece la ventaja de que no es rechazado y de que se puede
implantar a cualquier edad.
Hasta el momento, los medicamentos y la ciruga eran las nicas vas para
paliar la crisis epilpticas, pero algunos enfermos no responden a ninguno de
estos tratamientos.
Ahora ha aparecido un nuevo mtodo : la estimulacin elctrica del nervio
vago, que va desde el cerebro hasta el abdomen.
En 1938 dos profesores estadounidenses demostraron que los impulsos
elctricos influan en la actividad cerebral. Muchos equipos investigadores se
dieron cuenta de que la electricidadpoda apaciguar las crisis epilpticas. Dos
de ellos fundaron Cyberonics, una sociedad que fabrica simuladores elctricos
implantables.
Se trata de un generador que va situado en la clavcula y est unido a un
electrodo que los cirujanos fijan en el nervio vago.
Otras aplicaciones
Modelado y prediccin de indicadores econmicos:
Se obtienen mejores resultados que con cualquier otro mtodo conocido (como
los programas de media mvil). Se ha aplicado por ejemplo a la prediccin de
tasas de inters, dficits comerciales, precios de stock, etc.
Servocontrol:
Compensacin adaptativa de variaciones fsicas en servomecanismos
complicados como el control de ngulos y posiciones de los brazos de un
robot.
Sntesis funcional:
Gracias a la naturaleza interpolativa de las redes neuronales son aptas para la
sntesis de funciones multidimensionales a partir de unos pocos ejemplos de
entrenamiento.
Por ejemplo, para estimar el alcance de un can en funcin de la inclinacin
del can, la velocidad del viento y la cantidad de explosivo.
Otra tendencia es el desarrollo de libreras para C++ (se incluye una en el SW)
o
paquetes
matemticos como
MATLAB
MATHEMATICA; son
recomendables con fines de investigacin o acadmicos por ser muy flexibles
para desarrollar o modificar algoritmos, son bastante potentes y no
excesivamente caros.
Un sistema de programacin de procesos paralelos especficamente
desarrollado para simular redes neuronales es P3 (Zipser, D.). Es un sistema
modular que funciona slo sobre una mquina Symbolics 3600 en LISP. Consta
de 5 componentes, el computacional (unidades de proceso elementales), un
lenguaje de planificacin (establece las conexiones), un lenguaje de mtodos
(indica el comportamiento de las unidades de proceso), un constructor
(transforma los mtodos y el plan de conexiones en un programa ejecutable), y
un entorno de simulacin, para observar y verificar el funcionamiento de las
redes.
Aceleradores Hardware:
Son tarjetas que se conectan como perifricos y dan soporte hardware para
emular unidades de proceso elementales virtuales y sus interconexiones.
Suelen incluir software especfico para su programacin. Consiguen gran
aceleracin a pesar de compartir y multiplexar recursos, es decir, que no
ofrecen proceso paralelo real.
ENN, Electronic Neural Network(AT&T) : contiene 256 neurotransistores y ms de 100.000 sinapto-resistores. El problema es
que las conexiones quedan fijadas durante la construccin, luego
el aprendizaje de la red debe realizarse previamente con una
mquina convencional. Se est trabajando para conseguir
conexiones modificables. Se est usando para comprimir imagen
de vdeo y transportarlo sobre lnea telefnica en tiempo real.
Otros chips en desarrollo: Silicon Retina y Silicon Ear (Mead, C.),
como sus nombres indican est pensados para simular procesos
de visin y odo respectivamente.
Procesadores pticos:
Conclusiones
algunas de estas ramas los resultados tericos van muy por encima de las
realizaciones prcticas.
Las redes neuronales artificiales son eficientes en tareas tales como el
reconocimiento de patrones, problemas de optimizacin o clasificacin.
Las redes neuronales se puede integrar en un sistema de ayuda a la toma de
decisiones, pero no son una panacea capaz de resolver todos los problemas:
todo lo contrario, son modelos muy especializados que pueden aplicarse en
dominios muy concretos.
BIBLIOGRAFA
aprenden
del
de
la
funcionamiento