HISTORIA DE LAS REDES NEURONALES

1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computacin. Sin embargo, los primeros tericos que concibieron los fundamentos de la computacin neuronal fueron Warren McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes, en 1943, lanzaron una teora acerca de la forma de trabajar de las neuronas (Un Clculo Lgico de la Inminente Idea de la Actividad Nerviosa. Ellos modelaron una red neuronal simple mediante circuitos elctricos.

1949 - Donald Hebb. Escribi un importante libro: La organizacin del comportamiento, en el que se establece una conexin entre psicologa y fisiologa. Fue el primero en explicar los procesos del aprendizaje (que es el elemento bsico de la inteligencia humana) desde un punto de vista psicolgico, desarrollando una regla de como el aprendizaje ocurra. Su idea fue que el aprendizaje ocurra cuando ciertos cambios en una neurona eran activados. Tambin intent encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teora de las Redes Neuronales.

Una red neuronal o un circuito neuronal es un conjunto de conexiones sinpticas ordenadas que se produce como resultado de la unin de las neuronas a otras en sus regiones correspondientes tras la migracin neuronal En la mente humana la informacin es recogida por el sistemas sensorial que fluye atreves de un sistema cognitivo de acuerdo a esta analoga se concibe al ser humano como un procesador activo de informacin.

Qu es una Neurona?

Estructura de una Neurona

La mayor parte de las neuronas posee una estructura
arbrea formada por dendritas que, conectadas a otras neuronas, se encargan de recibir los estmulos de entrada neuronales mediante uniones denominas sinopsis. Algunas neuronas tiene una estructura que las comunica con miles de neuronas ms, mientras otras slo puede comunicarse con unas cuantas a su alrededor. Las tres partes importantes de la estructura de una neurona son: Ramas de Extensin o Dendritas Cuerpo de la Neurona

Axn

REDES NEURONALES: DEFINICIN

Una red neuronal es una unidad de procesamiento de informacin, cuyo paradigma es el propio cerebro humano.
t a m b i e n

Las Redes Neuronales se constituyeron inicialmente como una simulacin abstracta de los sistemas nerviosos biolgicos formados por un conjunto de unidades llamadas neuronas o nodos conectados unos con otros. Las conexiones de estos nodos se asemejan a las dendritas y axones de los sistemas nerviosos biolgicos.

Clasificacin
De tipo Biolgico

Artificial

Redes Neuronales Biolgicas

El cerebro humano promedio cuenta con aproximadamente El cerebro humano promedio cuenta con mil millones de neuronas. Asimismo, aproximadamente mil cada millones de de neuronas. Asimismo, durante las sinapsis una estas neuronas durante las sinapsis cada una de estas neuronas recibe en promedio alrededor de 1000 estmulos de recibe en promedio alrededor de 1000 estmulos de entrada y genera alrededor de 1000 estmulos de entrada y genera alrededor de 1000 estmulos de salida. salida. En este sentido, la principal ventaja del cerebro humano En este promedio sentido, larecae principal del cerebro en ventaja su conectividad, humano promedio en su interpretada como la recae capacidad del conectividad, mismo para interpretada como la capacidad del realizar diferentes procedimientos lgicos amismo la vez. para Sin realizar diferentes procedimientos lgicos a la vez. Sin embargo, su principal debilidad recae en la velocidad embargo, su principal recae en siendo la velocidad de procesamiento de debilidad la informacin, las de procesamiento de la informacin, siendo las computadoras en este sentido, muchsimo ms computadoras en este sentido, muchsimo ms rpidas. rpidas.

REDES NEURONALES BIOLGICAS

Objetivo:
El objetivo de las redes neuronales de tipo
biolgico se constituye en desarrollar un elemento sintctico que permita verificar las hiptesis correspondientes a los dems sistemas biolgicos.

Es decir, las redes neuronales de tipo biolgico deben recibir y procesar informacin de otros sistemas biolgicos y devolver una respuesta de accin efectiva.

REDES NEURONALES artificiales

Las redes neuronales artificiales han sido desarrolladas como generalizadores de modelos matemticos de cognicin humana o biologa neuronal basadas en suposiciones: 1) El procesamiento de informacin ocurre en muchos elementos simples llamados neuronas. 2)Las seales se pasan entre neuronas sobre enlaces de conexin.

3)Cada enlace de conexin tiene un peso asociado, el cul, en una tpica red neuronal, multiplica la seal transmitida. 4)Cada RED NEURONAL aplica una funcin de activacin (usualmente no lineal) a su aporte neto (la suma del aporte neto ponderado) para determinar su seal de salida.

Una de las caractersticas que ms intriga sobre esta codificacin es su naturaleza estocstica o aleatoria: las neuronas de la corteza visual responden cada vez de un modo un poco diferente. As, las neuronas codifican la presencia de patrones visuales en la imagen con la frecuencia de emisin de impulsos pero el nmero exacto de stos parece ser aleatorio..

asi

como tambin las funciones motoras y cognitivas fundamentales

Estructura de una red Neuronal

. Una red neuronal est definida por un nivel de entrada, un nivel de salida y uno o varios niveles ocultos

Cada uno de estos niveles est compuesto por un nmero de neuronas, llamadas as por analoga con el cerebro humano, que representan los procesos elementales de decisin. La salida de una neurona se obtiene por una funcin que evala ponderadamente cada una de las entradas procedentes de las neuronas del nivel anterior.

VENTAJAS DE LAS REDES NEURONALES

El procesado de la informacin es local, es decir que al estar
compuesto por unidades individuales de procesamiento dependiendo de sus entradas y pesos y de que todas las neuronas de una capa trabajan en forma paralela y proporcionan una respuesta al mismo tiempo. Los pesos son ajustados basndose en la experiencia, lo que significa que se le tiene que ensear a la red lo que necesita saber antes de ponerla en funcionamiento . Las neuronas son tolerantes a fallos, si parte de la red no trabaja, solo dejara de funcionar la parte para que dicha neurona sea significativa; el resto tendr su comportamiento normal. Las neuronas pueden reconocer patrones que no han sido aprendidos, slo deben tener cierto parecido con el conocimiento previo que tenga la red.

VENTAJAS DE LAS REDES NEURONALES

El procesado de la informacin es local, es decir que al estar compuesto por unidades individuales de procesamiento dependiendo de sus entradas y pesos y de que todas las neuronas de una capa trabajan en forma paralela y proporcionan una respuesta al mismo tiempo. Los pesos son ajustados basndose en la experiencia, lo que significa que se le tiene que ensear a la red lo que necesita saber antes de ponerla en funcionamiento . Las neuronas son tolerantes a fallos, si parte de la red no trabaja, solo dejara de funcionar la parte para que dicha neurona sea significativa; el resto tendr su comportamiento normal. Las neuronas pueden reconocer patrones que no han sido aprendidos, slo deben tener cierto parecido con el conocimiento previo que tenga la red.