Facultad de Ciencias Exactas y Tecnología
Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales
Parte I
Introducción. De/iniciones. Topologías típicas. Redes Supervisadas. Modelo
Backpropagation – Redes No Supervisadas – Modelo de Kohonen –
ImplementaciónenMatlabmedianteToolkitsobreRedesNeuronales.ANFIS.
UNIDAD TEMÁTICA : REDES NEURONALES
L a c o r t e z a c e r e b r a l d e l c e r e b r o
humano contiene aproximadamente 15.000 a
100.000 millones de neuronas dependiendo
delgéneroylaedad.
Cada una de las cuales se encuentra
i n t e r c on e c t a d a s h a s t a c on 10 . 0 00
conexionessinápticas.
Cada milímetro cúbico de córtex cerebral
contiene aproximadamente1.000millones de
sinapsis.
INTRODUCCIÓN - CEREBRO HUMANO
A /ines del siglo XIX, Santiago Ramón y
Cajal situó por vez primera las neuronas
como elementos funcionales del sistema
nervioso. Cajal propusoque actuaban como
e n t i d a d e s d i s c r e t a s q u e ,
intercomunicándose, establecían una
especie de red mediante conexiones
especializadas o espacios. Esta idea es
reconocida como la doctrina de la neurona,
uno de los elementos centrales de
laneurocienciamoderna.
Santiago Ramón y Cajal
Premio Nobel de Medicina y
Neurofisiología 1906
ANTECEDENTES - MARCO HISTÓRICO
Santiago Ramón y Cajal
Premio Nobel de Medicina y
Neurofisiología 1906
MARCO HISTÓRICO – RAMÓN Y CAJAL
Santiago Ramón y Cajal
Premio Nobel de Medicina y
Neurofisiología 1906
MARCO HISTÓRICO – RAMÓN Y CAJAL
Launidadanatómicay/isiológicadelSistemaNerviosoeslaNeurona.
De#inición:
«Unaneuronaesunadelascélulasnerviosasencontradasentodoelcuerpo,las
cualessonelelementofundamentaldelaestructuradelsistemanervioso.Son
célulasexcitablesespecializadasenlarecepcióndeestímulosyconduccióndel
impulsonervioso.»
Nota:Estáencargadaprincipalmentedetrasmitirel/lujonervioso.Uncerebrohumanocontiene
aproximadamente100.000millonesdeneuronas.
NEURONA
DEFINICION
INTRODUCCIÓN A NEURONAS HUMANAS MODELO BIOLÓGICO – ANALOGÍA CON EL MODELO ARTIFICIAL
DENDRITAS SOMA AXON
ENTRADAS PROCESO SALIDAS
BIOLOGICO
ARTIFICIAL
Se encuentran en todo el sistema nervioso, desde el
sistema nervioso central hasta el sistema nervioso
periférico, y comunicándose entre ellas a través de
rami/icacionesllamadasdendritas.
Las Neuronas del Sistema Nervioso Central solo se
encuentran en el cerebro y las del Sistema Nervioso
Periférico se encuentran en todo el cuerpo y su eje
principal es la medula espinal la cual comunica las
sensacionesdetodoelcuerpohaciaelSistemaNervioso
Central.
SISTEMA NERVIOSO HUMANO
CARACTERÍSTICAS
Desde un punto de vista funcional, las neuronas constituyen procesadores de
informaciónsencillos.Seorganizanen:
• NeuronasReceptorasoSensoras:seespecializanensensarelmundoexterior
(vision,tacto,oído,etc),yseactivancuandolaentradaprovienedeunsentido.
• Interneuronas:trans/ierenlasseñalesentreneuronas.
• NeuronasMotoras:envíanlasseñalesdirectamentealosmúsculos.
SISTEMA NERVIOSO HUMANO
CLASIFICACION DE LAS NEURONAS
El cuerpocelularo soma,es laparte centralde laneurona,ydeahí salen lasprolongacionesquepermitenlacomunicaciónnerviosa.
Sólouna /ibrade cadaneurona, el axón, esmás larga y gruesaque las otras.Cadadendritaestáconectadaconotradendritadeunacélulanerviosacolocadaasulado,oconelaxóndeunacélulasituadamáslejos.
Cadaneuronacontieneuncuerpocelular,osoma,quetieneunnúcleocelular.Unnúmerode/ibrasllamadasdendritasserami/icanapartirdelcuerpocielacélulajuntoconunaúnica/ibralargallamadaaxón.
INTRODUCCIÓN A NEURONAS HUMANAS
MODELO BIOLÓGICO
La comunicación entre neuronas surge a partir de
unaunióndiscontinuallamadaSinapsis.
De#inición:
“Lasinapsiseselprocesoesencialenla
comunicaciónneuronalyconstituyeellenguaje
básicodelsistemanervioso”.
SINAPSIS ENTRE NEURONAS
DEFINICION
Si laSinapsisocurre por contacto
/ísico se trata de una Sinapsis
Eléctrica, y si es a través de una
hendidura, se le llama Sinapsis
Química.
TIPIFICACIÓN DE LA SINAPSIS
Sereconocendostiposdesinapsis:
Sinapsis Eléctrica: En este tipo de sinapsis las membranas pre y pos
sináptica establecen un contacto /ísico (se tocan) el impulso eléctrico se
transmitedirectamentesinningúntipodemediadoroNeurotransmisor,por
loqueesmásrápida.
Sinapsis Química: En este tipo de sinapsis, las membranas pre y pos
sinápticas están separadas por un espacio, no tienen contacto /ísico (no se
tocan)porloquelatransmisióndelimpulsoeléctricoesmáslentaydepende
de la acción de mediadores, que son sustancias químicas complejas
denominadasNeurotransmisores.
TIPIFICACIÓN DE LA SINAPSIS
SinapsisQuímicamediantesecrecióndeneurotransmisor
TIPIFICACIÓN DE LA SINAPSIS
SinapsisEléctricapasodeionesdeunacélulaaotraatravésdeunionesGAP.
Polarización Despolarización
Umbral de Disparo
10 ^11 neuronas ~ 50 Teraflops Velocidad
100 Watts 175 KW
80 Teraflops
16 Terabytes
Consumo
Volumen 1,4 dm3 6 m3
Masivamente paralelo Funcionamiento Secuencial con paralelización
Desarrollo 20 años - Adulto 3 años
10 ^15 sinapsis ~ 1 PetaByte Memoria
Evolución 3000 millones de años 177 años
COMPARATIVA CEREBRO HUMANO ADULTO / COMPUTADOR IBM WATSON
http://www.ibm.com/smarterplanet/us/en/ibmwatson/what-is-watson.html
ASPECTOS
“Lasneuronasarti#icialesoprocesadorelementales
un dispositivo simple de calculo que, a partir de un
vector de entrada procedente del exterior o de otras
neuronas,proporcionaunaúnicarespuestaosalida”.
NEURONAS ARTIFICIALES
DEFINICIÓN
“Lasredesneuronalesarti/icialessonredesinterconectadasmasivamenteen
paraleloyconorganizaciónjerárquica,lascualesintentaninteractuarcon
losobjetosdelmundorealdelmismomodoquelohaceelsistemanervioso
biológico”.(TeuvoKohonen)
“Modelosmatematicosdesarrolladosparaemularelcerebro
humano”(Chen-1998)
REDES NEURONALES ARTIFICIALES
DEFINICIONES
Lasprincipalesventajasquereproducenlasredesneuronalesarti/icialesse
puedenreduciralossiguientesconceptos:
1. Procesamientoparalelo.
2. Procesamientodistribuidonolineales.
3. Procesamientoadaptativo.
4. ToleranciaaFallas.
5. Establecenconexionesnolinealesentrelosdatos
VENTAJAS
• Conjuntodeentradas,xj(t).Estaspuedenserprovenientesdelexterioro de otras neuronas arti/iciales.(sinapsisquímicaoeléctrica).
• Peso sinápticos, wij. Representan elgradode comunicación entre la neuronaarti/icialjylaneuronaarti/iciali.Puedenserexcitadoresoinhibidores
• Regla de propagación, σi (wij, xj (t)). Integra la informaciónprovenientede lasdistintasneuronasarti/icialesyproporcionaelvalordelpotencialpostsinápticodelaneuronai.
• Función de activación, fi(ai(t-1), hi(t)).Provee el estado de activación actual de laneuronai.
•Función de salida, Fi (ai (t)).Representa la salida actual de laneuronai.
Lasalidaproducidaporunaneuronai,paraundeterminadoinstantedetiempotpuedeserescritaenformageneraldelasiguientemanera
MODELO GENERAL DE UNA NEURONA
ARTIFICIAL (MODELO DE RUMELHART)
Dependiendo del tipo de salidas, las neuronas suelen recibir nombres
especí/icos.Losmasfrecuentesson:
ENTRADAS Y SALIDAS
Valores de Salida Nombre del tipo de neurona
(0), (1) Tipo Mc-Culloch-Pitts
(-1), (1) Tipo Ising
(-2), (-1),(0),(1),(2) Tipo Potts
“Elpesosinápticowijde/inelafuerzadeunaconexiónsinápticaentredos
neuronas,laneuronapresinápticaiylaneuronapostsinápticaj“.
PESOS SINÁPTICOS
DEFINICIÓN
Lospesossinápticospuedentomarvalores
positivos,negativosocero.
En caso de una entrada positiva, un peso
positivo actúa como excitador, mientras
queunpesonegativoactúacomoinhibidor.
En casodequeelpeso sea cero,noexiste
comunicaciónentreelpardeneuronas.
Laregladepropagacióndeterminaelpotencialresultantedelainteracción
delaneuronaiconlasNneuronasvecinas.
Elpotencialresultantehisepuedeexpresardelasiguientemanera
Laregladepropagaciónmássimple,yutilizada,consisteenrealizarunasuma
delasentradasponderadasconsuspesossinápticoscorrespondientes
REGLAS DE PROPAGACIÓN
La función de activación determina el estado de activación actual de la
neuronaienbasealpotencialresultantehi enuntiempot, (hi: ai(t)), el
cualpuedeserexpresadodelasiguientemanera:
FUNCIÓN DE ACTIVACIÓN
Lafuncióndesalidaproporcionaelvalordesalidadelaneurona,enbaseal
estadodeactivacióndelaneurona.Engeneralseutilizalafunciónidentidad:
FUNCIÓN DE SALIDA
Libros Redes Neuronales y Sistemas Difusos / Bonifacio Martin del Brío y Alfredo Sanz Molina.
Alfa Omega – Rama. Colombia/c.2005
Sitios Webs http://www.youtube.com/watch?v=Krabo0GPc5A
http://www.youtube.com/watch?v=uMbZGSEuI74
http://www.youtube.com/watch?v=1WGPk2eONZ0
REFERENCIAS