1 1 Patricio Garca Bez Patricio Garca Bez

Introduccin a las Redes

Neuronales y su aplicacin a la
Investigacin Astrofsica
Patricio Garca Bez
Patricio Garca Bez
pgarcia@ull.es
pgarcia@ull.es
2 2 Patricio Garca Bez Patricio Garca Bez
Sumario
N Introduccin
Introduccin
N Inspiracin biolgica
Inspiracin biolgica
N Modelado Neuronal
Modelado Neuronal
N Implementaciones
Implementaciones
N Aplicaciones
Aplicaciones
N Grupo de trabajo
Grupo de trabajo
N
Futuro de las RNAs
Futuro de las RNAs
3 3 Patricio Garca Bez Patricio Garca Bez
Redes Neuronales en la IA
Ramas de la Inteligencia Artiicial en sus inicios!
Ramas de la Inteligencia Artiicial en sus inicios!
N "imblica#deducti$a!
"imblica#deducti$a!
%
"istemas ormales de reglas & manipulacin "istemas ormales de reglas & manipulacin
simblica simblica
%
Rama ms conocida de la IA Rama ms conocida de la IA
N 'one(ionista!
'one(ionista!
% Inspirada en las redes neuronales biolgicas Inspirada en las redes neuronales biolgicas
% M)todos Inducti$os! a partir de ejemplos M)todos Inducti$os! a partir de ejemplos
Ambas tratan de resolver problemas no algoritmicos a partir Ambas tratan de resolver problemas no algoritmicos a partir
de la experiencia almacenada como conocimiento de la experiencia almacenada como conocimiento
4 4 Patricio Garca Bez Patricio Garca Bez
RNA como Modelo de Computacin
'one(ionista $s* +on Neumann
'one(ionista $s* +on Neumann
,
Masi$amente paralelo Masi$amente paralelo
, -atos & programa -atos & programa
indierenciable en las indierenciable en las
cone(iones cone(iones
,
"olucin inducida por "olucin inducida por
aprendizaje aprendizaje
,
Impredicibilidad de Impredicibilidad de
resultados resultados
, Gran tolerancia a allos Gran tolerancia a allos
,
Ar.uitectura secuencial Ar.uitectura secuencial
, "epara claramente datos "epara claramente datos
del programa en la del programa en la
memoria memoria
,
"olucin como algoritmo "olucin como algoritmo
o programa introducido o programa introducido
,
Resultados totalmente Resultados totalmente
predecibles predecibles
, No tolera errores No tolera errores
5 5 Patricio Garca Bez Patricio Garca Bez
reas de Trabao
Ar.uitectura & /eora de RN
Implementaciones
Aplicaciones
Inormtica
Matemticas
Fsica
Neuroisiologa
"icologa
Procesamiento de "e0ales Procesamiento de "e0ales
Anlisis de -atos Anlisis de -atos
Reconocimiento de Patrones Reconocimiento de Patrones
'ontrol 'ontrol
Inteligencia Artiicial Inteligencia Artiicial
-esarrollo de aplicaciones -esarrollo de aplicaciones
basadas en t)cnicas basadas en t)cnicas
cone(ionistas cone(ionistas
'onstruccin de modelos 'onstruccin de modelos
neuronales neuronales
Proponer & $alidar modelos de Proponer & $alidar modelos de
uncionamiento de ar.uitecturas uncionamiento de ar.uitecturas
neuronales neuronales
6 6 Patricio Garca Bez Patricio Garca Bez
Inspiracin biolgica
Entender el cerebro y emular su potencia Entender el cerebro y emular su potencia
N 'erebro!
'erebro!
% Gran $elocidad de proceso Gran $elocidad de proceso
% /ratamiento de grandes cantidades de inormacin /ratamiento de grandes cantidades de inormacin
procedentes de! procedentes de!
, 1os sentidos 1os sentidos
, Memoria almacenada Memoria almacenada
% 'apacidad de tratar situaciones nue$as 'apacidad de tratar situaciones nue$as
% 'apacidad de aprendizaje 'apacidad de aprendizaje
7 7 Patricio Garca Bez Patricio Garca Bez
Inspiracin biolgica
N Neuronas! Neuronas!
% 2rbol dendrtico de 2rbol dendrtico de
entradas entradas
% 3n a(n de salida 3n a(n de salida
% "obre de45 "obre de45
6 6
sinapsis sinapsis
% 'omunicacin mediante 'omunicacin mediante
Potenciales de Accin 7PA8 Potenciales de Accin 7PA8
% Periodo reractario de 45 Periodo reractario de 45
#9 #9

segundos entre PAs segundos entre PAs
8 8 Patricio Garca Bez Patricio Garca Bez
Inspiracin biolgica
N /ransmisin neuronal! /ransmisin neuronal!
% Impulso el)ctrico .ue Impulso el)ctrico .ue
$iaja por el a(n $iaja por el a(n
% 1iberacin de 1iberacin de
neurotransmisores neurotransmisores
% Apertura:cierre de Apertura:cierre de
canales inicos canales inicos
% +ariacin potencial en +ariacin potencial en
dendrita dendrita
% Integracin de entradas Integracin de entradas
en soma en soma
% "i se supera umbral de "i se supera umbral de
disparo se genera un PA disparo se genera un PA
9 9 Patricio Garca Bez Patricio Garca Bez
Inspiracin biolgica
N Red Neuronal Biolgica! Red Neuronal Biolgica!
% de 45 de 45
45 45
a 45 a 45
44 44
neuronas neuronas
% 45 45
46 46
sinapsis sinapsis
% ;rganizacin por capas ;rganizacin por capas
% ;rganizacin por ni$eles! ;rganizacin por ni$eles!
, "istema Ner$ioso "istema Ner$ioso
'entral 7"N'8 'entral 7"N'8
, 'ircuitos entre regiones 'ircuitos entre regiones
, 'ircuitos locales 'ircuitos locales
, Neuronas Neuronas
, 2rboles dendrticos 2rboles dendrticos
, Microcircuitos Microcircuitos
neuronales neuronales
, "inapsis "inapsis
, 'anales inicos 'anales inicos
, Mol)culas Mol)culas
10 10 Patricio Garca Bez Patricio Garca Bez
Inspiracin biolgica
N 'aractersticas "N'! 'aractersticas "N'!
% Inclinacin a ad.uirir Inclinacin a ad.uirir
conocimiento desde la conocimiento desde la
e(periencia e(periencia
% 'onocimiento almacenado 'onocimiento almacenado
en cone(iones sinpticas en cone(iones sinpticas
% Gran plasticidad neuronal Gran plasticidad neuronal
% 'omportamiento altamente 'omportamiento altamente
no#lineal no#lineal
% Alta tolerancia a allos Alta tolerancia a allos
7muerte neuronal8 7muerte neuronal8
% Apto para reconocimiento< Apto para reconocimiento<
percepcin & control percepcin & control
11 11 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N
3na red neuronal artiicial 7RNA8 es un sistema
3na red neuronal artiicial 7RNA8 es un sistema
de procesamiento de inormacin .ue tiene
de procesamiento de inormacin .ue tiene
ciertas aptitudes en com=n con las redes
ciertas aptitudes en com=n con las redes
neuronales biolgicas!
neuronales biolgicas!
% >l procesamiento de inormacin ocurre en muc?os >l procesamiento de inormacin ocurre en muc?os
elementos simples llamados neuronas* elementos simples llamados neuronas*
% 1as se0ales son transeridas entre neuronas a tra$)s de 1as se0ales son transeridas entre neuronas a tra$)s de
enlaces de cone(in* enlaces de cone(in*
% 'ada cone(in tiene un peso asociado< el cual< tpicamente< 'ada cone(in tiene un peso asociado< el cual< tpicamente<
multiplica a la se0al transmitida* multiplica a la se0al transmitida*
% 'ada neurona aplica una uncin de acti$acin 7usualmente 'ada neurona aplica una uncin de acti$acin 7usualmente
no lineal8 a su entrada de red 7suma de entradas pesadas8 no lineal8 a su entrada de red 7suma de entradas pesadas8
para determinar su salida* para determinar su salida*
1aurene Fausett 1aurene Fausett
12 12 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N >no.ues!
>no.ues!
% 'omputacional! 'omputacional!
, Modelos eicientes< potentes & simples Modelos eicientes< potentes & simples
, 2reas de aprendizaje inducti$o & reconocimiento de 2reas de aprendizaje inducti$o & reconocimiento de
patrones patrones
%
'ogniti$o! 'ogniti$o!
, Interesado por capacidades cogniti$as de los modelos Interesado por capacidades cogniti$as de los modelos
, 'entrados en representacin del conocimiento 'entrados en representacin del conocimiento
% Biocogniti$o! Biocogniti$o!
, Premisa la plausibilidad biolgica Premisa la plausibilidad biolgica
% Psicoisiolgico! Psicoisiolgico!
, Mecanismos naturales de procesos cogniti$os reales Mecanismos naturales de procesos cogniti$os reales
13 13 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Neurona Artiicial! Neurona Artiicial!
% Grupo de entradas 7 Grupo de entradas 7x x8 8
% Pesos sinpticos 7 Pesos sinpticos 7w w8 8
% Funcin suma 7 Funcin suma 7net net8 8
% Funcin de acti$acin Funcin de acti$acin
7 7act act8 8
% 3na =nica salida 7 3na =nica salida 7y y8 8
% Funcionamiento en modo Funcionamiento en modo
aprendizaje o ejecucin aprendizaje o ejecucin

x
1
x
2
x
n
w
1,j
w
2,j
w
n,j
net
j
t!
x
j
t!

j
uncin
suma
uncin
de acti$acin
umbral 7bias8
14 14 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Neurona Natural $s* Artiicial! Neurona Natural $s* Artiicial!
% Neurona @ 3nidad de proceso Neurona @ 3nidad de proceso
% 'one(iones sinpticas @ 'one(iones sinpticas @
'one(iones Pesadas 'one(iones Pesadas
% >ecti$idad sinptica @ Peso >ecti$idad sinptica @ Peso
sinptico sinptico
% >(itatorio:In?ibitorio @ Pesos A >(itatorio:In?ibitorio @ Pesos A
# #
% >ecto combinado de sinapsis >ecto combinado de sinapsis
@ Funcin suma @ Funcin suma
% Acti$acin#B Ratio disparo @ Acti$acin#B Ratio disparo @
Funcin acti$acin #B salida Funcin acti$acin #B salida
15 15 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Ar.uitecturas Neuronales! Ar.uitecturas Neuronales!
% "eg=n e:o:s "eg=n e:o:s
, N=mero & tipo de entradas N=mero & tipo de entradas
, >lementos ocultos >lementos ocultos
, >lementos de salida >lementos de salida
% "eg=n conecti$idad entre "eg=n conecti$idad entre
capas capas
, FeedorCard 7?acia FeedorCard 7?acia
adelante8 adelante8
, Redes Recurrentes Redes Recurrentes
, >structuras >nrejadas >structuras >nrejadas
71attice8 71attice8
'apa de
entrada
'apa de
salida
'apa de
entrada
'apa de
salida
'apa
oculta
'apa de
salida
'apa
oculta
Monocapa eedorCard
Multicapa eedorCard
Multicapa eedorCard
parcialmente conectada
16 16 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Ar.uitecturas Neuronales! Ar.uitecturas Neuronales!
% "eg=n cone(in entre "eg=n cone(in entre
capas capas
, /otalmente conectados /otalmente conectados
7ull#cone(in8 7ull#cone(in8
, Parcialmente conectados Parcialmente conectados
, 'one(in uno a uno 'one(in uno a uno
% "incrona 7actualizacin de "incrona 7actualizacin de
$alores8 $alores8
, "imultnea "imultnea
, Aleatoria Aleatoria
, "eg=n orden topolgico "eg=n orden topolgico
Recurrente con
intercone(iones
laterales
>ntradas
"alidas
Recurrente con
neuronas ocultas
17 17 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Aprendizaje!
Aprendizaje!
% >stimulacin de la RN por el entorno >stimulacin de la RN por el entorno
% 'ambios en la RN debido a estimulacin 'ambios en la RN debido a estimulacin
%
Nue$a orma de responder debido a cambios de la Nue$a orma de responder debido a cambios de la
estructura interna de la RN estructura interna de la RN
18 18 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Paradigmas de aprendizaje!
Paradigmas de aprendizaje!
% Aprendizaje "uper$izado Aprendizaje "uper$izado
% Aprendizaje por Reorzamiento Aprendizaje por Reorzamiento
%
Aprendizaje Auto#organizado 7No "uper$izado8 Aprendizaje Auto#organizado 7No "uper$izado8
%
Precalculado o preijado Precalculado o preijado
19 19 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Aprendizaje super$izado!
Aprendizaje super$izado!
% "e presentan pares de patrones de entrada & salida "e presentan pares de patrones de entrada & salida
deseada deseada
%
Pasos! Pasos!
, Fijar pesos aleatorios las cone(iones Fijar pesos aleatorios las cone(iones
, "eleccionar par de entrenamiento "eleccionar par de entrenamiento
, Presentar patrn de entrada & calcular salida Presentar patrn de entrada & calcular salida
, 'alcular error o discrepancia con la salida deseada 'alcular error o discrepancia con la salida deseada
, Aplicar regla de aprendizaje Aplicar regla de aprendizaje
%
-udosa plausibilidad biolgica! -udosa plausibilidad biolgica!
, Re.uiere propagar inormacin ?acia atrs Re.uiere propagar inormacin ?acia atrs
, Re.uiere de instructor Re.uiere de instructor
20 20 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Aprendizaje no super$izado!
Aprendizaje no super$izado!
% "e presentan slo patrones de entrada "e presentan slo patrones de entrada
% Basado en la redundancia en las entradas Basado en la redundancia en las entradas
%
Aprendizaje e(trae de los patrones! Aprendizaje e(trae de los patrones!
, Familiaridad con patrones tpicos o promedios del Familiaridad con patrones tpicos o promedios del
pasado pasado
, Anlisis de las 'omponentes Principales Anlisis de las 'omponentes Principales
, 'lustering 'lustering
, Prototipos< correspondientes a las categorias e(istentes Prototipos< correspondientes a las categorias e(istentes
, 'odiicacin 'odiicacin
, Mapa de 'aractersticas Mapa de 'aractersticas
%
Grandes plausibilidades biolgicas Grandes plausibilidades biolgicas
21 21 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
N Algoritmos de aprendizaje ms comunes!
Algoritmos de aprendizaje ms comunes!
% Perceptrn multicapa o BacDpropagation 7BPN8 Perceptrn multicapa o BacDpropagation 7BPN8
, Aprendizajes super$izados bajo correccin de error Aprendizajes super$izados bajo correccin de error
%
Mapas Auto#organizados 7";M8 Mapas Auto#organizados 7";M8
, Aprendizajes competiti$o no super$izados Aprendizajes competiti$o no super$izados
%
>(tractores de caractersticas 7GEA I'A8 >(tractores de caractersticas 7GEA I'A8
, Aprendizajes ?ebbianos no super$izados Aprendizajes ?ebbianos no super$izados
22 22 Patricio Garca Bez Patricio Garca Bez
Modelado Neuronal
% Generalizacin Generalizacin
%
>structura altamente >structura altamente
paralela paralela
% No linealidad No linealidad
%
Mapeo de >ntrada# Mapeo de >ntrada#
"alida "alida
%
Adaptabilidad Adaptabilidad
% Respuesta graduada Respuesta graduada
% Inormacin 'onte(tual Inormacin 'onte(tual
%
/olerancia a allos /olerancia a allos
%
Implementacin +1"I Implementacin +1"I
%
3niormidad en el 3niormidad en el
Anlisis & -ise0o Anlisis & -ise0o
%
Analoga Analoga
Neurobiolgica Neurobiolgica
N Propiedades & 'apacidades
Propiedades & 'apacidades
23 23 Patricio Garca Bez Patricio Garca Bez
Implementaciones
N Medio biolgico $s* medio silicio
Medio biolgico $s* medio silicio
% +elocidad! +elocidad!
, Neuronas! 45 Neuronas! 45
#9 #9
s*< Puertas lgicas! 45 s*< Puertas lgicas! 45
#F #F
s* s*
%
/ama0o! /ama0o!
, Neuronas G H rdenes de magnitud menores Neuronas G H rdenes de magnitud menores
%
>iciencia energ)tica! >iciencia energ)tica!
, 'erebro! 45 'erebro! 45
#4H #4H
I:op*:s*< mejores ordenadores! 45 I:op*:s*< mejores ordenadores! 45
#H #H

% Fan#In! Fan#In!
, Promedio de 45*555 sinapsis por neurona< muc?o ma&or Promedio de 45*555 sinapsis por neurona< muc?o ma&or
.ue en silicio .ue en silicio
24 24 Patricio Garca Bez Patricio Garca Bez
Implementaciones
N Neurosimuladores!
Neurosimuladores!
% "otCare! "otCare!
, Fle(ibles Fle(ibles
, >conmicos >conmicos
%
EardCare! EardCare!
, >icientes >icientes
25 25 Patricio Garca Bez Patricio Garca Bez
Implementaciones
N /ipos NeurosotCare! /ipos NeurosotCare!
% Programacin directa Programacin directa
% 1ibreras 1ibreras
% >ntornos de desarrollo >ntornos de desarrollo
N 'aractersticas 'aractersticas
deseables! deseables!
% Facilidad de uso Facilidad de uso
% Potencia Potencia
% >iciente >iciente
% >(tensibilidad >(tensibilidad
26 26 Patricio Garca Bez Patricio Garca Bez
Implementaciones
N Neuro?ardCare! Neuro?ardCare!
% +1"I analgico +1"I analgico
% ;pto#>lectrnicos ;pto#>lectrnicos
% FPGAs FPGAs
% Neuro#'?ips 7+1"I -igital8 Neuro#'?ips 7+1"I -igital8
% Neuro#/arjetas Neuro#/arjetas
% M.uinas paralelas de M.uinas paralelas de
propsito general propsito general
% Bioc?ips Bioc?ips
N ;bjeti$o!
;bjeti$o!
% Acelerar ases de aprendizaje Acelerar ases de aprendizaje
& ejecucin & ejecucin
27 27 Patricio Garca Bez Patricio Garca Bez
Implementaciones
N Bioc?ips
Bioc?ips
28 28 Patricio Garca Bez Patricio Garca Bez
Aplicaciones
N Fases de desarrollo!
Fases de desarrollo!
Seleccin de
la arquitectura
neuronal
Seleccin del
conjunto de
aprendizaje
Seleccin del
conjunto de
validacin
Fase de
aprendizaje
Fase de
validacin
!"#
$%plantar en
aplicacin
29 29 Patricio Garca Bez Patricio Garca Bez
Aplicaciones
N /ipos de problemas abordables!
/ipos de problemas abordables!
% Asociacin Asociacin
% 'lasiicacin de Patrones 'lasiicacin de Patrones
%
Prediccin Prediccin
%
'ontrol 'ontrol
%
Apro(imacin Apro(imacin
%
;ptimizacin ;ptimizacin
N
>n general!
>n general!
%
-icil describir conocimiento:orma de resol$erlos -icil describir conocimiento:orma de resol$erlos
%
"e dispone de una gran cantidad de datos "e dispone de una gran cantidad de datos
30 30 Patricio Garca Bez Patricio Garca Bez
!roblemas de Asociacin
%
N>/alD 7"ejnoCsDi J Rosemberg8! N>/alD 7"ejnoCsDi J Rosemberg8!
, A partir de te(tos escritos genera A partir de te(tos escritos genera
gonemas correspondientes* Mejoras gonemas correspondientes* Mejoras
durante aprendizaje durante aprendizaje
%
/ratamiento de imgenes! /ratamiento de imgenes!
, Ruido placas matrculas Ruido placas matrculas
, Restitucin Restitucin
%
'ompresin de Imgenes! 'ompresin de Imgenes!
31 31 Patricio Garca Bez Patricio Garca Bez
!roblemas de Clasificacin de
!atrones
%
'onteo de c)lulas! 'onteo de c)lulas!
, 'lasiicacin de glbulos 'lasiicacin de glbulos
blancos blancos
% Inspeccin $isual! Inspeccin $isual!
%
"eguimiento de pupila "eguimiento de pupila
32 32 Patricio Garca Bez Patricio Garca Bez
!roblemas de !rediccin
%
Airline MarDeting /actician 7AM/8! Airline MarDeting /actician 7AM/8!
, Monitoriza & recomienda la reser$a de Monitoriza & recomienda la reser$a de
plazas plazas
% NeuralstocDs! NeuralstocDs!
, "er$ico de predicciones inancieras a "er$ico de predicciones inancieras a
corto plazo corto plazo
33 33 Patricio Garca Bez Patricio Garca Bez
!roblemas de Control
%
'ontrol de robots! 'ontrol de robots!
, 'inemtica in$ersa 'inemtica in$ersa
, -inmica -inmica
% A1+INN! A1+INN!
, 'onduccin de 'onduccin de
$e?culo $e?culo
34 34 Patricio Garca Bez Patricio Garca Bez
!roblemas de Apro"imacin
%
Apro(imacin de unciones Apro(imacin de unciones
utilizando RBFs utilizando RBFs
!roblemas de
#ptimi$acin
%
;ptimizacin de rutas! ;ptimizacin de rutas!
, /"P /"P
35 35 Patricio Garca Bez Patricio Garca Bez
Aplicaciones en
Astronoma%Astrofsica
%
Reconocimiento de estrellas:gala(ias Reconocimiento de estrellas:gala(ias
%
'lasiicacin espectral & morolgica de 'lasiicacin espectral & morolgica de
estrellas:gala(ias estrellas:gala(ias
%
>studios de supericies planetarias >studios de supericies planetarias
%
>studio del campo magn)tico interplanetario >studio del campo magn)tico interplanetario
%
-eterminacin de parmetros en atmseras -eterminacin de parmetros en atmseras
estelares estelares
%
'lasiicacin de poblaciones de enanas blancas 'lasiicacin de poblaciones de enanas blancas
, Neural NetCorDs< Neural NetCorDs< &' &' 7K5598 7K5598
36 36 Patricio Garca Bez Patricio Garca Bez
Aplicaciones en
Astronoma%Astrofsica
%
Identiicacin & caracterizacin de objetos! L";Ms< Identiicacin & caracterizacin de objetos! L";Ms<
gala(ias IR ultraluminosas< uente de Ra&os gala(ias IR ultraluminosas< uente de Ra&os
Gamma Gamma
% -eterminacin de desplazamientos otom)tricos al -eterminacin de desplazamientos otom)tricos al
rojo rojo
%
>liminacin de ruido en pi(els >liminacin de ruido en pi(els
% -escomposicin de datos simulados multi# -escomposicin de datos simulados multi#
recuencia para la misin PlancD recuencia para la misin PlancD
% B=s.ueda de c=mulos de gala(ias B=s.ueda de c=mulos de gala(ias
, Neural NetCorDs< Neural NetCorDs< &' &' 7K5598 7K5598
37 37 Patricio Garca Bez Patricio Garca Bez
Aplicaciones en
Astronoma%Astrofsica
%
Anlisis de datos recogidos por instrumentos de Anlisis de datos recogidos por instrumentos de
nue$a generacin para astrosica de alta energa! nue$a generacin para astrosica de alta energa!
, /elescopio de neutrinos A3G>R & ARG; /elescopio de neutrinos A3G>R & ARG;
, /elescopio de ra&os gamma '?erenD?o$ /elescopio de ra&os gamma '?erenD?o$
, Interermetro de ondas gra$itacionales +IRG; Interermetro de ondas gra$itacionales +IRG;
, B=s.ueda de bosones Eiggs B=s.ueda de bosones Eiggs
%
AstroNeural< pa.uete AstroMinnig! reduccin & AstroNeural< pa.uete AstroMinnig! reduccin &
anlisis de datos anlisis de datos
, Neural NetCorDs< Neural NetCorDs< &' &' 7K5598 7K5598
38 38 Patricio Garca Bez Patricio Garca Bez
(rupo de Trabao
N
Grupo de 'omputacin Neuronal & Adaptati$a
Grupo de 'omputacin Neuronal & Adaptati$a
& Neurociencia 'omputacional
& Neurociencia 'omputacional
% -epartamento de >stadstica< I* ;* & 'omputacin< 311 -epartamento de >stadstica< I* ;* & 'omputacin< 311
% I* 3* de 'iencias & /ecnologas 'ibern)tica< 31PG' I* 3* de 'iencias & /ecnologas 'ibern)tica< 31PG'
% 2rea de 'onocimiento! 'iencias de la 'omputacin e 2rea de 'onocimiento! 'iencias de la 'omputacin e
Inteligencia Artiicial Inteligencia Artiicial
N 1neas de trabajo
1neas de trabajo
% Neurociencia 'omputacional & 'ognicin 'omputacional! Neurociencia 'omputacional & 'ognicin 'omputacional!
'omunicacin NeuronalNAprendizaje & Memoria*Procesos & 'omunicacin NeuronalNAprendizaje & Memoria*Procesos &
>structuras 'ogniti$as:Percepti$as /eoras & Modelos >structuras 'ogniti$as:Percepti$as /eoras & Modelos
% Redes Neuronales Naturales & Artiiciales! -ise0o de Nue$os Redes Neuronales Naturales & Artiiciales! -ise0o de Nue$os
Modelos de RNAs Modelos de RNAs
% Aplicacin de la 'omputacin Neuronal en -ominios Aplicacin de la 'omputacin Neuronal en -ominios
Biom)dicos< 'lnicos & Medioambientales Biom)dicos< 'lnicos & Medioambientales
39 39 Patricio Garca Bez Patricio Garca Bez
Comp) & Comp) * Comp) +
,spectro
&nal'sis
Me$cla
1
2
(spectro)ot%etro
de *u%inescencia
+reprocesado
Caractersticas
,spectrales
1
2
,o%paracin de (spectros
-,apa S!./
Mapa de S#M
Mapa de Rec-a$o
,apa de 0olerancias
$denti)icador de (spectros
-,apa de (tiquetado/
,ti.uetado
(rupo de Trabao
N
'ampos aplicati$os estudiados
'ampos aplicati$os estudiados
% Procesamiento de "e0ales Neuroisiolgicas Procesamiento de "e0ales Neuroisiolgicas
% Identiicacin de >spectros 1uminescentes Identiicacin de >spectros 1uminescentes
% Agente de 'atalogacin Automtica de Oebs Agente de 'atalogacin Automtica de Oebs
% "istema Automtico de -eteccin de Ata.ues "istema Automtico de -eteccin de Ata.ues
Inormticos Inormticos
% -iagnstico de >nermedades -iagnstico de >nermedades
Neurodegenerati$as Neurodegenerati$as

11111 x
i
111111
111111 d
l
11111111
m
li
h
l
Entradas
Capa
SOM
Capa de
Holguras
Capa de
Etiquetado
111111 z
l
11111111
u
pl
... v
p
g
pq
40 40 Patricio Garca Bez Patricio Garca Bez
(rupo de Trabao
N
-ocencia Impartida en la 311
-ocencia Impartida en la 311
% Introduccin a los Modelos de 'omputacin 'one(ionista Introduccin a los Modelos de 'omputacin 'one(ionista
, 9er curso< Ing* /)cnica en Inormtica de "istemas< >/"II 9er curso< Ing* /)cnica en Inormtica de "istemas< >/"II
, 95 a 65 alumnos 95 a 65 alumnos
, ?ttp!::soma*etsii*ull*es:imcc: ?ttp!::soma*etsii*ull*es:imcc:
% Introduccin a la Inteligencia Artiicial Introduccin a la Inteligencia Artiicial
, 9er curso< I/I de Gestin:"istemas 9er curso< I/I de Gestin:"istemas
, G5 a H5 alumnos G5 a H5 alumnos
, ?ttp!::soma*etsii*ull*es:iia: ?ttp!::soma*etsii*ull*es:iia:
% Modelos 'one(ionistas & Autmatas Modelos 'one(ionistas & Autmatas
, GP curso< Ing* Inormtica< >/"II GP curso< Ing* Inormtica< >/"II
, 45 a K5 alumnos 45 a K5 alumnos
, ?ttp!::soma*etsii*ull*es:mc&a: ?ttp!::soma*etsii*ull*es:mc&a:
41 41 Patricio Garca Bez Patricio Garca Bez
/uturo de las RNAs
%
Futuro prometedor< si nos seguimos acercando a Futuro prometedor< si nos seguimos acercando a
las caractersticias de los organismos $i$os! las caractersticias de los organismos $i$os!
, >$olucin< 'omputacin 'olecti$a< Manejo del >$olucin< 'omputacin 'olecti$a< Manejo del
'onocimiento< *** 'onocimiento< ***
, "atural #omputing "atural #omputing @B @B $o%t #omputing $o%t #omputing
%
Presente problemtico! diicultades de escalabilidad Presente problemtico! diicultades de escalabilidad
, Q/al $ez algunos parmetros de nuestros modelos son Q/al $ez algunos parmetros de nuestros modelos son
erroneosR erroneosR
, Q/al $ez no disponemos de la suiciente potencia Q/al $ez no disponemos de la suiciente potencia
inormticaR inormticaR
, Q/al $ez nuestros modelos no ?an alcanzado la Q/al $ez nuestros modelos no ?an alcanzado la
suiciente complejidadR suiciente complejidadR
, Q/al $ez nos alta en nuestros modelos alg=n concepto Q/al $ez nos alta en nuestros modelos alg=n concepto
undamentalR undamentalR