Download Redes Neuronales – Unidad 3 – Parte I

Redes
Neuronales
Parte I
Facultad de Ciencias Exactas y Tecnología
Universidad Nacional de Tucumán
Mg. Ing. Gustavo E. Juárez
UNIDAD TEMÁTICA :
REDES NEURONALES
Introducción. De/iniciones. Topologías típicas. Redes Supervisadas. Modelo
Backpropagation – Redes No Supervisadas – Modelo de Kohonen –
ImplementaciónenMatlabmedianteToolkitsobreRedesNeuronales.ANFIS.
RED
NEURONAL
BIOLÓGICA
ANTECEDENTES
INTRODUCCIÓN - CEREBRO HUMANO
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 o n e c t a d a s h a s t a c o n 1 0 . 0 0 0
conexionessinápticas.
Cada milímetro cúbico de córtex cerebral
contiene aproximadamente 1.000 millones de
sinapsis.
ANTECEDENTES - MARCO HISTÓRICO
A /ines del siglo XIX, Santiago Ramón y
Cajal situó por vez primera las neuronas
como elementos funcionales del sistema
nervioso. Cajal propuso que 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
Santiago Ramón y
Cajal
Premio Nobel de
Medicina y
Neurofisiología
1906
especializadas o espacios. Esta idea es
reconocida como la doctrina de la neurona,
uno de los elementos centrales de
laneurocienciamoderna.
MARCO HISTÓRICO – RAMÓN Y CAJAL
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
NEURONA
DEFINICION
Launidadanatómicay/isiológicadelSistemaNerviosoeslaNeurona.
De#inición:
«Unaneuronaesunadelascélulasnerviosasencontradasentodoelcuerpo,las
cualessonelelementofundamentaldelaestructuradelsistemanervioso.Son
célulasexcitablesespecializadasenlarecepcióndeestímulosyconduccióndel
impulsonervioso.»
Nota:Estáencargadaprincipalmentedetrasmitirel/lujonervioso.Uncerebrohumanocontiene
aproximadamente100.000millonesdeneuronas.
INTRODUCCIÓN A NEURONAS HUMANAS
MODELO BIOLÓGICO – ANALOGÍA CON EL MODELO ARTIFICIAL
BIOLOGICO
AXON
ARTIFICIAL
SALIDAS
SOMA
PROCESO
DENDRITAS
ENTRADAS
SISTEMA NERVIOSO HUMANO
CARACTERÍSTICAS
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
CLASIFICACION DE LAS NEURONAS
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.
INTRODUCCIÓN A NEURONAS HUMANAS
MODELO BIOLÓGICO
El cuerpo celular o soma, es la parte central de la neurona, y de ahí salen las
prolongacionesquepermitenlacomunicaciónnerviosa.
Sólo una /ibra de cada neurona, el axón, es más larga y gruesa que las otras.
Cadadendritaestáconectadaconotradendritadeunacélulanerviosacolocada
asulado,oconelaxóndeunacélulasituadamáslejos.
Cadaneuronacontieneuncuerpocelular,osoma,quetieneunnúcleocelular.
Unnúmerode/ibrasllamadasdendritasserami/icanapartirdelcuerpociela
célulajuntoconunaúnica/ibralargallamadaaxón.
SINAPSIS ENTRE NEURONAS
DEFINICION
La comunicación entre neuronas surge a partir de
unaunióndiscontinuallamadaSinapsis.
De#inición:
“Lasinapsiseselprocesoesencialenla
comunicaciónneuronalyconstituyeellenguaje
básicodelsistemanervioso”.
TIPIFICACIÓN DE LA SINAPSIS
Si la Sinapsis ocurre 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
Umbral de Disparo
Polarización
SinapsisQuímicamediante
secrecióndeneurotransmisor
Despolarización
SinapsisEléctricapasodeionesdeuna
célulaaotraatravésdeunionesGAP.
COMPARATIVA CEREBRO HUMANO ADULTO /
COMPUTADOR IBM WATSON
ASPECTOS
10 ^11 neuronas ~ 50 Teraflops
Velocidad
80 Teraflops
10 ^15 sinapsis ~ 1 PetaByte
Memoria
16 Terabytes
100 Watts
Consumo
175 KW
1,4 dm3
Volumen
6 m3
Masivamente paralelo
Funcionamiento
Secuencial con paralelización
20 años - Adulto
Desarrollo
3 años
3000 millones de años
Evolución
177 años
http://www.ibm.com/smarterplanet/us/en/ibmwatson/what-is-watson.html
RED
NEURONAL
ARTIFICIAL
ANTECEDENTES
NEURONAS ARTIFICIALES
DEFINICIÓN
“Lasneuronasarti#icialesoprocesadorelementales
un dispositivo simple de calculo que, a partir de un
vector de entrada procedente del exterior o de otras
neuronas,proporcionaunaúnicarespuestaosalida”.
REDES NEURONALES ARTIFICIALES
DEFINICIONES
“Lasredesneuronalesarti/icialessonredesinterconectadasmasivamenteen
paraleloyconorganizaciónjerárquica,lascualesintentaninteractuarcon
losobjetosdelmundorealdelmismomodoquelohaceelsistemanervioso
biológico”.(TeuvoKohonen)
“Modelosmatematicosdesarrolladosparaemularelcerebro
humano”(Chen-1998)
VENTAJAS
Lasprincipalesventajasquereproducenlasredesneuronalesarti/icialesse
puedenreduciralossiguientesconceptos:
1.  Procesamientoparalelo.
2.  Procesamientodistribuidonolineales.
3.  Procesamientoadaptativo.
4.  ToleranciaaFallas.
5.  Establecenconexionesnolinealesentrelosdatos
MODELO GENERAL DE UNA NEURONA
ARTIFICIAL (MODELO DE RUMELHART)
Lasalidaproducidaporunaneuronai,paraundeterminado
instantedetiempotpuedeserescritaenformageneraldela
siguientemanera
•  Conjunto de entradas, xj(t). Estas
pueden ser provenientes del exterior
o de otras neuronas arti/iciales.
(sinapsisquímicaoeléctrica).
• Función de activación, fi(ai(t-1), hi(t)).
Provee el estado de activación actual de la
neuronai.
• Peso sinápticos, wij. Representan el
grado de comunicación entre la neurona
arti/icialjylaneuronaarti/iciali.Pueden
serexcitadoresoinhibidores
• Función de salida, Fi (ai (t)).
Representa la salida actual de la
neuronai.
• Regla de propagación, σi (wij, xj (t)). Integra la información
proveniente de las distintas neuronas arti/iciales y proporciona el
valordelpotencialpostsinápticodelaneuronai.
ENTRADAS Y SALIDAS
Dependiendo del tipo de salidas, las neuronas suelen recibir nombres
especí/icos.Losmasfrecuentesson:
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
PESOS SINÁPTICOS
DEFINICIÓN
“Elpesosinápticowijde/inelafuerzadeunaconexiónsinápticaentredos
neuronas,laneuronapresinápticaiylaneuronapostsinápticaj“.
Lospesossinápticospuedentomarvalores
positivos,negativosocero.
En caso de una entrada positiva, un peso
positivo actúa como excitador, mientras
queunpesonegativoactúacomoinhibidor.
En caso de que el peso sea cero, no existe
comunicaciónentreelpardeneuronas.
REGLAS DE PROPAGACIÓN
Laregladepropagacióndeterminaelpotencialresultantedelainteracción
delaneuronaiconlasNneuronasvecinas.
Elpotencialresultantehisepuedeexpresardelasiguientemanera
Laregladepropagaciónmássimple,yutilizada,consisteenrealizarunasuma
delasentradasponderadasconsuspesossinápticoscorrespondientes
FUNCIÓN DE ACTIVACIÓN
La función de activación determina el estado de activación actual de la
neuronaienbasealpotencialresultantehi enuntiempot, (hi: ai(t)), el
cualpuedeserexpresadodelasiguientemanera:
FUNCIÓN DE ACTIVACIÓN
Lasfuncionesdeactivaciónmashabitualesson:
FUNCIÓN DE SALIDA
Lafuncióndesalidaproporcionaelvalordesalidadelaneurona,enbaseal
estadodeactivacióndelaneurona.Engeneralseutilizalafunciónidentidad:
MODELO ESTANDAR DE UNA
NEURONA ARTIFICIAL
REFERENCIAS
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
http://catedras.facet.unt.edu.ar/intar/