Está en la página 1de 23

! !

! ! !

REDES! NEURONALES!
! !

Carmen'Belloso' Roco'Bernal'Zamorano' Elena'Boto'Barriga'

1! !

! ! ! NDICE! 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ! ! ! INTRODUCCIN! LA!NEURONA! TRANSMISIN!DE!SEALES! NEURONA!MODELO! PLASTICIDAD!SINPTICA! REGLAS!DE!APRENDIZAJE! ESTUDIO!DE!LAS!REDES!NEURONALES!E!INTELIGENCIA!ARTIFICIAL! NEURONAS!ARTIFICIALES! EJEMPLO! BIBLIOGRAFA!

2! !

! ! ! ! ! 1. INTRODUCCIN! ! El! flujo! de! informacin! que! procesan! los! seres! vivos! proviene! en! primera! instancia! de! los! sistemas! sensoriales! sensibles! al! entorno! que! los! rodea.! Esta! informacin! es! recibida! por! el! cerebro,! donde! se! analiza! y! toma! la! forma! de! sensaciones;! algunas! de! estas! sensaciones! se! almacenan!en!forma!de!recuerdos.!El!control!coordinado!de!los!msculos!del!cuerpo!es!llevado! a! cabo,! asimismo,! por! el! cerebro,! Todas! estas! funciones! cerebrales! se! realizan! gracias! a! las! clulas!nerviosas,!o!neuronas,!a!travs!de!las!innumerables!conexiones!existentes!entre!ellas.! El! cerebro! es! una! de! las! estructuras! ms! altamente! organizadas! en! el! universo! conocido.! Se! trata!de!una!computadora!biolgica!que!ha!evolucionado!a!lo!largo!de!billones!de!aos!para! programar,! monitorear! y! controlar! todas! las! funciones! corporales.! Es! tambin! el! rgano! del! conocimiento,! sentimiento! y! pensamiento.! Entender! cmo! funciona! el! cerebro! es! quizs! el! ms!difcil!de!todos!los!problemas!cientficos.!! ! 2. LA!NEURONA! ! La! neurona! es! la! unidad! estructural! y! funcional! del! sistema! nervioso.! Recibe! los! estmulos! provenientes!del!medio!ambiente,!los!convierte!en!impulsos!nerviosos!y!los!transmite!a!otra! neurona,!a!una!clula!muscular!o!glandular!donde!producirn!una!respuesta.! A! principios! del! siglo! XX,! Santiago! Ramn! y! Cajal! situ! por! vez! primera! las! neuronas! como! elementos! funcionales! del! sistema! nervioso.! Cajal! propuso! que! actuaban! como! entidades! discretas! que,! intercomunicndose,! establecan! 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!la!neurociencia!moderna.!Se!opone!a!la!defendida!por! Camillo!Golgi,! que! propugnaba! la! continuidad! de! la! red! neuronal! y! negaba! que! fueran! entes! discretos! interconectados.! A! fin! de! observar! al! microscopio! la! histologa! del! sistema! nervioso,! Cajal! emple!tinciones!de!plata!(con!sales!de!plata)!de!cortes!histolgicos!para!microscopa!ptica,! desarrollados! por! Golgi! y! mejorados! por! l! mismo.! Dicha! tcnica! permita! un! anlisis! celular! muy!preciso,!incluso!de!un!tejido!tan!denso!como!el!cerebral.!! Se!estima!que!el!cerebro!humano!contiene!alrededor!de!1012!neuronas.!Aunque!estas!clulas! pueden! clasificarse! en! un! millar! de! tipos! neuronales! diferentes,! todas! ellas! comparten! una! serie! de! caractersticas! comunes.! Un! descubrimiento! clave! sobre! la! organizacin! del! cerebro! fue!que!las!clulas!nerviosas!con!propiedades!bsicas!similares!son!capaces,!sin!embargo,!de! producir!acciones!muy!disimilares!debido!a!las!diferentes!pautas!de!conexin!existentes!entre! ellas.!

3! !

! !

! ! La!neurona!tpica!consta!de!cuatro!regiones!morfolgicas!diferenciadas:!el!cuerpo!celular,!las! dendritas,!el!axn!y!los!terminales!axnicos!presinpticos.!Del!cuerpo!celular,!que!contiene!el! ncleo! de! la! neurona,! as! como! otros! orgnulos! celulares! tales! como! el! retculo! endoplasmtico!y!el!aparato!de!Golgi,!emanan!unas!finas!extensiones!arborizantes,!llamadas! dendritas,!que!sirven!a!la!neurona!de!sistema!receptivo.!El!cuerpo!celular!da!lugar,!asimismo,! al! axn,! una! prolongacin! de! morfologa! tubular! que! se! extiende! a! distancias! considerables! llegando!a!alcanzar!hasta!1!m!de!longitud!en!el!sistema!nervioso!humano,!y!que!constituye!el! sistema! conductivo! de! la! neurona.! Los! axones! muy! largos! estn! rodeados! por! una! capa! de! mielina,!interrumpida!a!intervalos!muy!regulares!en!los!denominados!ndulos!de!Ranvier,!que! contribuye!a!la!alta!eficiencia!y!velocidad!de!propagacin!de!la!seal!nerviosa.!Finalmente,!el! axn! se! divide! cerca! de! su! terminacin! en! numerosas! ramas,! acabadas! en! los! terminales! presinpticos,! que! actan! a! modo! de! sistema! transmisor! de! la! neurona.! A! travs! de! estos! terminales! la! neurona! transmite! el! flujo! de! informacin! a! otras! neuronas! u! otras! clulas! efectoras.!El!punto!de!contacto!se!denomina!sinapsis.!La!sinapsis!est!formada!por!el!terminal! de! la! clula! presinptica,! el! espacio! intersinptico! y! la! superficie! receptiva! de! la! clula! postsinptica,! que! habitualmente! est! situada! en! las! dendritas! de! esta! ltima,! aunque! con! frecuencia!tambin!se!localiza!en!su!cuerpo!celular.! ! ! ! 3. TRANSMISIN!DE!SEALES! ! Las!neuronas!son!clulas!especializadas!para!la!intercomunicacin!rpida,!principalmente!a! travs!de!las!corrientes!inicas.!Su!principal!propiedad!es!la!excitabilidad!por!encima!del! umbral!h!dadas!corrientes!de!estimulacin!lo!suficientemente!fuertes,!las!neuronas!"emiten"! pulsos!de!corriente.!Estos!pulsos!fueron!descubriertos!por!Adrian!(1914),!quien!los!llam! "potenciales!de!accin"!o!respuestas!todo!o!nada",!ya!que!sus!amplitudes,!una!vez!activado,! eran!constantes.!En!general,!las!neuronas!emiten!pulsos!a!una!velocidad!proporcional!a!la! intensidad!de!la!corriente!estimulante.! 4! !

! ! La! propagacin! de! estos! pulsos! se! debe! a! la! existencia! de! una! diferencia! de! potencial! o! potencial! de! membrana! (que! surge! gracias! a! las! concentraciones! distintas! de! iones! a! ambos! lados!de!la!membrana,!segn!describe!el!potencial!de!Nernst)!entre!la!parte!interna!y!externa! de!la!clula!(por!lo!general!de!h70!mV).!La!carga!de!una!clula!inactiva!se!mantiene!en!valores! negativos!(el!interior!respecto!al!exterior)!y!vara!dentro!de!unos!estrechos!mrgenes.!Cuando! el!potencial!de!membrana!de!una!clula!excitable!se!despolariza!ms!all!de!un!cierto!umbral! (de!65mV!a!55mV)!la!clula!genera!(o!dispara)!un!potencial!de!accin.!Un!potencial!de!accin! es! un! cambio! muy! rpido! en! la! polaridad! de! la! membrana! de! negativo! a! positivo! y! vuelta! a! negativo,!en!un!ciclo!que!dura!unos!milisegundos! ! Fueron!Cajal!y!su!contemporneo!Golgi,!quienes!descubrieron!la!inmensa!complejidad!de!los! circuitos! neuronales.! Estudios! de! la! neuroanatoma! del! cerebro! indican! un! grado! de! interconectividad! neuronal! de! varios! rdenes! de! magnitud! mayor! que! la! que! se! encuentra! incluso!en!las!ms!avanzadas!supercomputadoras!actuales.!! A! Cajal! debemos! el! principio) de) polarizacin) dinmica,! el! cual! establece! que! el! flujo! de! informacin!tiene!lugar!en!una!direccin!predecible!y!consistente!en!cada!neurona.!Este!flujo! se! origina! en! las! superficies! receptoras! postsinpticas! (dendritas! y! cuerpo! celular)! y! se! transmite! hacia! el! axn! y,! a! travs! de! l,! hacia! los! terminales! axnicos! presinpticos.! Esta! pauta! de! funcionamiento! es! vlida,! en! general,! para! la! inmensa! mayora! de! las! clulas! nerviosas.!Asimismo,!Cajal!propuso!el!principio)de)especificidad)conexional,!de!acuerdo!al!cual:! ! i) No!hay!continuidad!citoplasmtica!entre!las!neuronas.! ii) Las!clulas!neuronales!no!forman!redes!aleatorias.! iii) Cada! neurona! forma! conexiones! especficas! y! precisas! con! determinadas! clulas! neuronales.! ! ! Los!procesos!elctricos!que!dan!lugar!a!la!transmisin!de!seales!a!travs!de!una!neurona!son:! iniciacin!de!la!seal,!integracin!de!la!seal,!conduccin!y!finalizacin.! ! 3.1. !INICIACIN!DE!LA!SEAL! El! potencial! receptor! o! potencial! generador! tiene! lugar! en! la! superficie! receptiva! de! las! neuronas!sensoriales!y!sirve!para!transformar!el!estmulo!sensorial!(temperatura,!presin,!luz,! etc)!en!una!seal!elctrica.!Este!potencial!consiste!en!una!alteracin!del!potencial!de!reposo! de! la! membrana! neuronal,! y! posee! la! especial! propiedad! de! reflejar! el! estmulo! sensorial! de! forma! gradual! y! cuantitativa.! As,! cuanto! ms! intensa! o! duradera! es! la! seal! que! lo! genera,! tanto! ms! intenso! o! duradero! es! el! potencial! receptor.! Se! trata! de! la! primera! codificacin! elctrica! para! el! sistema! nervioso! de! una! seal! externa.! Estos! potenciales! pueden! ser! excitadores,!si!producen!una!despolarizacin,!o!inhibidores,!si!producen!una!hiperpolarizacin! del! potencial! de! reposo! de! la! neurona,! y! se! propagan! de! forma! pasiva! a! lo! largo! de! la! membrana!neuronal.! Los!potenciales!sinpticos!o!postsinpticos!tienen!una!funcin!muy!parecida.!stos!potenciales! son! el! medio! por! el! cual! una! neurona! altera! el! potencial! de! membrana! de! otra! neurona! a! la! 5! !

! ! que!est!conectada,!transmitiendo!as!la!seal!elctrica.!El!potencial!de!accin!de!la!neurona! presinptica! desencadena! una! cascada! de! acontecimientos! en! el! terminal! presinptico! que! eventualmente!desembocan!en!la!liberacin!de!un!neurotransmisor!al!espacio!intersinptico.! Las!molculas!de!neurotransmisor!liberadas!interaccionan!con!sus!receptores!especficos!en!la! membrana! postsinptica.! Ello! genera! la! aparicin! del! potencial! postsinptico,! que! tambin! puede! ser! excitador,! si! se! produce! una! despolarizacin! o! inhibidor,! si! se! trata! de! una! hiperpolarizacin.! Los! potenciales! postsinpticos,! al! igual! que! los! potenciales! receptores,! consisten! en! una! seal! graduada,! cuya! intensidad! depende! de! la! eficiencia! de! transmisin! sinptica!de!la!seal!proveniente!de!la!neurona!presinptica,!y!tambin!se!propagan!de!forma! pasiva!a!travs!de!la!neurona!postsinptica.! 3.2. INTEGRACIN!DE!LA!SEAL! Puesto! que! los! potenciales! receptores! y! sinpticos! son! seales! locales! que! se! propagan! pasivamente,!no!pueden!transmitirse!de!forma!fidedigna,!ya!que!se!disipan!a!consecuencia!de! las!propiedades!pasivas!de!la!membrana.!Estas!seales!se!propagan!a!lo!largo!de!una!pequea! distancia!por!la!membrana!celular,!hasta!alcanzar!la!denominada!zona!de!disparo.!Esta!regin! suele!estar!situada!al!comienzo!de!la!prolongacin!del!cuerpo!celular!que!da!lugar!al!axn,!y! posee! el! potencial! umbral! ms! pequeo! de! la! membrana! neuronal! para! la! iniciacin! de! potenciales! de! accin.! Si! el! grado! de! despolarizacin! de! la! membrana! existente! en! un! momento! dado! en! la! zona! de! disparo! es! superior! al! umbral,! entonces! la! neurona! dispara! un! potencial! de! accin;! en! caso! contrario,! la! neurona! no! altera! su! estado! elctrico! anterior.! El! total! de! seales! elctricas! excitadoras! o! inhibidoras,! que! provenientes! de! otras! clulas! adyacentes!confluyen!en!el!cuerpo!celular!de!la!neurona!en!forma!de!potenciales!receptores!o! sinpticos,! se! integra! en! esta! regin,! donde! se! determina! si! el! potencial! de! accin! ha! de! dispararse! o! no.! Por! ello,! la! zona! de! disparo! acta! como! el! componente! integrativo! de! la! neurona,! hacindose! responsable! de! decidir! la! respuesta! celular! en! funcin! de! las! seales! recibidas.! 3.3. FINALIZACIN!DE!LA!SEAL! Por!ltimo,!el!camino!propagativo!de!los!potenciales!de!accin!a!travs!del!axn!finaliza!en!la! sinapsis,!donde!sirven!como!estmulos!para!la!secrecin!de!neurotransmisores.!El!potencial!de! accin!provoca!la!apertura!de!canales!de!Ca2+!presentes!en!los!terminales!presinpticos,!la!cual! produce! localmente! el! denominado! potencial! de! secrecin,! debido! exclusivamente! a! dicho! catin.!El!Ca2+!fluye!hacia!el!interior!celular,!donde!provoca!la!fusin!de!las!vesculas!sinpticas! con! la! membrana! presinptica,! liberndose! el! neurotransmisor! en! el! espacio! intersinptico,! donde!interacciona!con!sus!receptores!especficos!en!la!membrana!postsinptica.!La!liberacin! de! los! neurotransmisores! contenidos! en! una! nica! vescula! sinptica! da! lugar! a! una! seal! mnima! en! la! membrana! postsinptica,! denominada! potencial! sinptico! unitario! o! potencial! sinptico! en! miniatura.! El! potencial! postsinptico! global! resulta! de! la! suma! de! un! nmero! determinado! de! dichos! potenciales! unitarios.! Puesto! que! los! potenciales! unitarios! son! muy! pequeos,! el! potencial! postsinptico! est! graduado,! y! depende! del! nmero! de! potenciales! unitarios!que!lo!componen,!el!cual,!a!su!vez,!depende!de!la!cantidad!total!de!Ca2+!que!entra!en! el!terminal!presinptico!durante!el!potencial!de!secrecin.!! ! 6! !

! ! A!continuacin!se!muestra!un!esquema!de!los!procesos!elctricos!anteriores.!

! En! la! figura! A:! a! es! el! potencial! generador,! b! el! potencial! sinptico! inhibidor,! c! el! potencial! sinptico!excitador,!d!es!la!integracin!en!la!zona!de!disparo!y!e!la!conduccin!del!potencial!de! accin.! La! figura! B! muestra! la! finalizacin! de! la! seal,! donde! f! es! el! potencial! de! secrecin! y! g! el! potencial!postsinptico.! ! ! ! 4. NEURONA!MODELO! ! A! pesar! de! las! numerosas! diferencias! entre! neuronas,! podemos! describir! una! estructura! comn!a!todas!ellas:!el!modelo!generalizado!de!neurona!que!consta!en!las!siguientes!partes:! hComponente!receptivo!(input)! hComponente!integrativo! hComponente!conductor! 7! !

! ! hComponente!de!salida!(output)! Como!se!muestra!en!la!figura!de!ms!arriba,!en!el!apartado!anterior.! Desde!el!punto!de!visto!bioqumico,!sin!embargo,!difieren!en!varios!aspectos:! hNaturaleza!de!los!canales!inicos! hNeurotransmisores! hProtenas!receptoras! Por! otro! lado,! las! propiedades! elctricas! de! neuronas! diferentes! son! muy! similares:! el! potencial! de! accin! de! cada! una! de! ellas! se! hace! casi! indistinguible.! Por! lo! que! tendremos! seales!de!diferente!naturaleza!pero!con!un!mecanismo!de!transmisin!siempre!el!mismo.! La! intensidad! de! la! seal! se! codifica! por! la! frecuencia! de! disparo! del! potencial! de! accin,! caracterizada! por! el! nmero! de! potenciales! y! el! intervalo! entre! ellos.! No! tiene! nada! que! ver! con!la!forma!ni!magnitud!ni!duracin!del!potencial!de!accin.!

La! complejidad! del! sistema! nervioso! se! debe! al! procesamiento! simultneo! de! una! misma! funcin!llevado!a!cabo!por!millares!de!neuronas!diferentes!que!actan!en!paralelo.! ! ! 5. PLASTICIDAD!SINPTICA! El! sistema! nervioso! es! capaz! de! modificar! las! conexiones! entre! neuronas.! Este! proceso! es! continuo! y! consiste! en! la! base! de! la! capacidad! del! cerebro! para:! adaptarse,! aprender! y! almacenar!informacin!(en!forma!de!memorias).! Lo! que! provoca! alteracin! en! la! estructura! de! un! cerebro! adulto! no! se! debe! al! desarrollo! de! nuevas! neuronas,! ya! que! el! nmero! de! stas! apenas! cambia,! sino! a! las! continuas! modificaciones!de!las!conexiones!entre!ellas,!especialmente!en!las!sinapsis.!En!estas!regiones! tiene!lugar!un!activo!metabolismo,!son!muy!sensibles!a!la!actividad!bioqumica!del!entorno.! 8! !

! ! Por!lo!tanto,!as!queda!definida!la!plasticidad!sinptica,!ya!que!estas!alteraciones!provocan!una! disminucin! en! la! eficiencia! de! transmisin! entre! neuronas.! Para! evaluar! este! fenmeno! podemos!utilizar!el!trmino!eficiencia)sinptica!que!se!define!como!la!corriente!generado!en!la! clula!postsinptica!por!unidad!de!actividad!presinptica.! Para!poder!explicar!estas!alteraciones!que!modifican!la!eficiencia!sinptica,!se!han!propuesto! cuatro!mecanismos:! 5Variacin)del)nmero)de)receptores)postsinpticos.!Esto!provocara!a!su!vez!una!variacin!en! el!nmero!de!molculas!receptoras!que!interaccionan!con!los!neurotransmisores!y,!por!tanto,! la!intensidad!de!la!seal!elctrica!producida!tambin!se!vera!afectada.! 5Variacin) en) la) eficiencia) de) transmisin) de) los) receptores) postsinpticos.! Si! aumentase! o! disminuyese! el! nmero! de! cargas! que! atraviesan! los! canales! inicos! asociados! a! aquellos! receptores,!la!eficiencia!de!transmisin!se!alterara.! 5Variacin)del)nmero)de)neurotransmisores)en)el)espacio)intersinptico.! 5Cambios)de)tipo)estructural)o)morfolgico)en)los)terminales)sinpticos.!stos!repercutiran!en! la!intensidad!de!la!corriente!postsinptica!generada!por!cada!potencial!de!accin!presinptico.! Los!cambios!pueden!ser:!

! ! ! ! ! ! ! !

hAlteraciones!en!las!propiedades!de!adhesin!de!las!membranas!pre!y!postsinptica! hAlteraciones!en!el!rea!de!contacto!eficaz! hMultiplicacin!del!nmero!de!contactos!sinpticos! hDegeneracin!y!desaparicin!del!contacto!sinptico!

9! !

! ! 6. REGLAS!DE!APRENDIZAJE! ! En!el!apartado!anterior!hemos!respondido!a!cules!son!los!mecanismos!que!provocan!cambios! en! la! eficiencia! sinptica,! y! en! ste! nos! centraremos! en! el! tiempo! y! lugar! en! el! que! se! producen,!es!decir,!en!establecer!las!reglas!de!aprendizaje.! En!la!vida!cotidiana,!sabemos!que!el!aprendizaje!est!condicionado!por!la!experiencia,!y!que! las!memorias!sensoriales!se!almacenan!de!tal!forma!que!la!percepcin!de!una!sensacin!puede! provocar!el!recuerdo!de!otras!asociadas!a!ella.! La!primera!regla!de!aprendizaje!fue!propuesta!por!Donald!Hebb!en!1949:! Cuando)un)axn)de)la)clula)A)est)suficientemente)cerca)para)excitar)una)clula)B)y)repetida)y) persistentemente)toma)parte)activa)en)conseguir)que)B)dispare,)algn)proceso)de)crecimiento) o)cambio)metablico)ocurre)en)una)o)ambas)clulas)tal)que)aumenta)la)eficiencia)de)A)como) una)de)las)clulas)que)hace)que)B)dispare.) Y!dio!lugar!ms!adelante!a!la!ley!de!Hebb:! la)eficiencia)de)conexin)entre)dos)neuronas)se)ve) incrementada) cuando) tiene) lugar) una) actividad) conjunta) y) simultnea) de) las) neuronas) pre) y) postsinptica.!Por!lo!que,!de!aqu!se!obtiene!que,!la!adaptacin!sinptica!tendra!un!carcter! espacial!localizado,!dependiendo!slo!de!la!actividad!local!de!las!neuronas!conectadas!entre!s,! no! del! estado! de! las! percepciones! recibidas.! Se! llama! sinapsis! hebbiana! a! aqulla! cuya! eficiencia!se!modifica!de!acuerdo!a!esta!ley.! Otra!alternativa!de!aprendizaje!es!la!de!tipo! pauloviano,!segn!el!cual!cuando!el!estmulo!de! una!neurona!A!sobre!otra!B!(estmulo!condicionado)!seguido!inmediatamente!del!estmulo!de! la!neurona!C!sobre!B!(estmulo!no!condicionado)!se!repite!un!nmero!suficientemente!alto!de! veces,!entonces!tiene!lugar!un!incremento!en!la!eficiencia!de!la!sinapsis!que!une!A!con!B.!Este! tipo!de!aprendizaje!se!ha!descrito!en!sistemas!neuronales!sencillos!como!el!del!invertebrado! aplysia!y!hermissenda.! Se! han! propuesto! ms! alternativas! de! aprendizaje! y! a! su! vez! se! han! estudiado! gracias! a! la! simulacin! de! redes! neuronales! artificiales.! La! base! de! stas! son! algoritmos! que! evalan! la! actividad! resultante! de! una! pauta! de! conexiones! neuronales! preestrablecidas! y,! segn! el! resultado,! se! penalizan! o! recompensan! las! conexiones! interneuronales,! de! acuerdo! con! su! participacin,!aumentando!o!disminuyendo!la!eficiencia!de!las!sinapsis!correspondientes.! ! 7. ESTUDIO!DE!LAS!REDES!NEURONALES!E!INTELIGENCIA!ARTIFICIAL.! ! El!estudio!del!funcionamiento!de!las!redes!neuronales!ha!estado!asociado!al!desarrollo!de!la! inteligencia!artificial.!Tras!un!inicio!en!el!estudio!de!redes!neuronales,!los!proyectos!dedicados! a!desentraar!los!secretos!del!funcionamiento!de!estas!redes!quedaron!abandonados!!en! parte!debido!al!auge!de!los!proyectos!dedicados!a!desarrollar!una!inteligencia!artificial! (alrededor!del!ao!1960).!Tras!varios!aos!y!fracasos!en!el!intento!de!crear!mquinas! inteligentes!se!volvi!a!poner!el!ojo!en!las!redes!neuronales!como!alternativa!a!los!intentos! anteriores!de!desarrollar!la!inteligencia!artificial!(entorno!a!1980).!! 10! !

! ! Las!redes!neuronales!estn!formadas!por!neuronas!que!conectan!entre!ellas!formando!un! complejo!entramado!denominado!red!neuronal.!Aunque!comprendamos!a!nivel!celular!y! molecular!el!comportamiento!de!las!neuronas!y!de!la!conexin!con!el!resto!de!las! correspondientes!neuronas!no!se!podra!comprender!globalmente!la!funcionalidad!de!la!red! neuronal!completa.! Gracias!a!los!neuroanatomistas!se!ha!conseguido!obtener!mucha!informacin!acerca!del! cerebro!a!nivel!histolgico!!y!se!ha!podido!identificar!y!clasificar!las!regiones!del!cerebro!y! discernir!en!qu!mecanismos!estn!implicadas!as!como!el!sentido!del!flujo!de!la!informacin.! Sin!embargo,!estos!datos!no!ayudan!a!entender!los!mecanismos!biofsicos!que!hacen!que!se! forme!la!memoria.! En!otra!lnea!de!trabajo,!se!ha!intentado!estudiar!las!redes!neuronales!desde!el!punto!de!vista! de!la!inteligencia!artificial.!Se!puede!modelar!un!algoritmo!de!simulacin!que!acte!como!una! red!neuronal!(por!ejemplo!el!cerebro)!y!se!puede!ir!perfeccionando!a!travs!del!estudio!de!los! resultados!obtenidos.!La!idea!es!que!cuando!estos!resultados!artificiales!sean!muy!parecidos!a! los!resultados!de!sistemas!neuronales!reales,!estudiando!los!cambios!que!se!han!hecho!en!el! modelo!se!puede!conocer!mejor!el!funcionamiento!de!la!red!real.!El!problema!de!este!mtodo! es!que!se!basa!demasiado!en!la!relacin!entre!entrada!y!salida!y!quiz!los!cambios!que!se!han! llevado!a!cabo!en!la!red!artificial!no!coincidan!en!realidad!con!un!acercamiento!al!modelo!real! aunque!los!resultados!sean!efectivamente!los!mismos.! Quiz!una!autentica!inteligencia!artificial!no!sea!posible!hasta!que!no!se!entienda!de!verdad! cmo!funciona!una!red!neuronal,!tanto!a!nivel!individual!como!a!nivel!global,!y!pueda! reproducirse!el!mismo!modelo! ! ! 8. NEURONAS!ARTIFICIALES.! ! Igual!que!la!unidad!celular!de!las!redes!neuronales!reales!son!las!neuronas,!en!el!caso!de!las! redes!neuronales!artificiales!tenemos!la!unidad!lgica,!que!son!las!neuronas!formales,!con! varias!entradas!xi,!cada!una!de!las!cuales!tiene!un!peso!wij!(que!van!a!variar!debido!a!procesos! de!aprendizaje),!estas!entradas!se!suman!ponderadamente!de!acuerdo!a!su!peso!y!a!esta! cantidad!se!le!resta!la!funcin!umbral!j.!

! 11! !

! ! La!salida!!ser!una!funcin!de!esta!suma:! !! = !
!

!! !!" !! !

Para!modelar!el!comportamiento!de!la!neurona!se!puede!usar!la!funcin!de!Heaviside!(modelo! de!McCulloch!y!Pitts,!1943),!de!manera!que!si!el!sumatorio!de!las!entradas!ponderadas!segn! su!peso!supera!el!valor!umbral,!la!neurona!transmite!la!seal!elctrica!y!si!es!menor!o!igual!que! la!seal!no!lo!hace!(de!ahora!en!adelante!se!omitir!el!caso!de!la!igualdad,!aunque!lo!que! ocurre!cuando!hay!una!igualdad!es!lo!mismo!que!ocurre!cuando!hay!un!menor!que).!Sin! embargo,!la!funcin!de!Heaviside!presenta,!entre!otros!problemas,!que!no!es!derivable,!as! que!suele!usarse!en!su!lugar!una!funcin!sigmoidal!que!se!le!asemeje:! ! ! = ! 1 ! 1 + ! !!"

! Funcin!de!Heaviside.!

12! !

! !

! Funcin!sigmoidal!para!distintos!valores!de!!(=2!para!el!azul,!=1!para!el!rojo!y!=0.5!para!el! verde).!Cuanto!mayor!es!el!valor!de!,!ms!tiende!a!una!funcin!de!Heaviside,!aunque!con!=8! ya!se!consigue!una!funcin!bastante!parecida!a!una!funcin!escaln.! La!salida!j!es!a!su!vez!entrada!para!otras!neuronas.!Cuando!usamos!la!funcin!de!Heaviside,!la! salida!slo!puede!ser!uno!o!cero,!mientras!que!con!la!funcin!sigmoidal!se!puede!conseguir!un! espectro!contnuo!de!salidas!en!el!intervalo!(0,1),!adems!S(x)!es!derivable.! ! 9. REDES!NEURONALES!ARTIFICIALES.! Hay! muchos! modelos! que! intentan! explicar! cmo! se! conectan! entre! s! las! neuronas,! algunos! consideran! conexiones! entre! todas! las! neuronas! dos! a! dos,! sin! embargo! es! ms! acertado! pensar! que! cada! neurona! se! conecta! slo! con! sus! neuronas! vecinas.! Los! modelos! artificiales! plantean! varias! capas! y! las! neuronas! se! conectan! con! las! neuronas! de! capas! contiguas.! Al! modelar!una!red!neuronal!hay!que!tener!en!cuenta!que!la!retroalimentacin!es!un!factor!muy! importante! sin! el! cual! no! se! llevara! a! cabo! el! aprendizaje.! Un! ejemplo! son! los! modelos! con! memoria!autoasociativa,!en!los!que!neuronas!sencillas!se!conectaban!entre!s!y!se!estimulaban! cuando! la! entrada! superaba! un! cierto! umbral! pero! que! adems! tenan! multitud! de! retroalimentaciones,! cada! neurona! a! la! salida! alimentaba! su! propia! entrada.! Cuando! se! impona! un! cierto! patrn! de! actividad! la! red! forma! una! memoria! de! dicho! patrn.! Para! recuperar!un!patrn!almacenado!basta!con!proporcionar!a!la!red!un!segmento!de!dicho!patrn! o!el!patrn!desordenado!y!la!red!devuelve!el!correcto.!Tambin!es!posible!disear!la!red!para! que! almacene! secuencias! de! patrones! o! patrones! temporales! aadiendo! a! la! realimentacin! una!demora!temporal,!peor!es!algo!que!no!vamos!a!tratar.! !

13! !

! ! ! 9.1!MODELO!DE!HOPFIELD.!

Es! un! modelo! mecnicohestadstico! basado! en! el! de! McCulloch! y! Pitts! que! tiene! memoria! asociativa!y!es!capaz!de!memorizar!gracias!a!una!regla!de!tipo!hebbiano.!!La!red!est!formada! por!una!nica!capa!de!N!neuronas,!cada!una!de!las!cuales!est!conectada!a!las!dems!pero!no! a! s! misma,! adems! los! pesos! en! ambos! sentidos! son! simtricos! (wij=wji)! de! manera! que! si! representramos!una!matriz!A!de!los!pesos,!sta!sera!simtrica!(!aij=aji!y!aii=0).!!Si!considero! que! i! es! el! estado! del! elemento! ihsimo! y! j! el! del! jhsimo,! y! que! cada! estado! es! 1! si! el! elemento!es!activo!y!h1!si!es!inactivo;!entonces!el!estado!del!par!ser!ij,!que!es!1!si!ambos! estn!en!el!mismo!estado!y!h1!si!estn!en!diferentes!estados! El! modelo! de! Hopfield! tiene! un! comportamiento! tipo! vidrio! de! espn.! En! materiales! ferromagnticos,!cada!espn!hacia!arriba!induce!a!sus!vecinos!a!orientar!el!espn!hacia!arriba,! de! manera! que! un! patrn! energticamente! estable! es! el! de! todos! los! espines! en! el! mismo! sentido.!En!materiales!antiferromagnticos,!cada!espn!hacia!arriba!ndice!a!sus!vecinos!a!tener! un!espn!hacia!abajo!y!stos!a!sus!respectivos!vecinos!a!tener!un!espn!hacia!arriba,!dndose! un!patrn!energticamente!estable!de!espines!alternantes.!El!vidrio!de!espn!presenta!ambas! caractersticas!a!trozos,!as!que!un!patrn!energticamente!estable!tiene!mltiples!formas!de! equilibrio!desordenado.!En!redes!de!Hopfield!! = !!" !! !! ,!si!el!peso!es!positivo!la!energa! ser!mnima!cuando!ambas!neuronas!estn!en!el!mismo!estado,!una!neurona!activada!(i=1)! inducir! a! que! la! siguiente! est! activada! (j=1)! (anlogo! a! los! espines! en! el! caso! ferromagntico).! Si! el! peso! es! negativo,! el! estado! de! mnima! energa! se! alcanzar! cuando! ambos! elementos! estn! en! estados! diferentes! (anlogo! al! caso! del! material! antiferromagntico).! En! el! caso! del! modelo! de! vidrio! de! espn,! los! pesos! son! aleatorios! (pueden!ser!positivos!o!negativos).!Hay!muchas!configuraciones!estables!que!al!final!se!acaban! alcanzando,!pero!no!hay!ms!configuraciones!estables!que!neuronas.! Tengo! N! neuronas,! cada! una! conectada! a! las! Nh1! neuronas! restantes,! eso! hace! que! cada! neurona! tenga! Nh1! entradas! y! la! red! tenga! N(Nh1)! pesos.! Si! N! es! suficientemente! grande,!!!!!!!! Nh1N! y! N(Nh1)N2.! Entonces! puedo! suponer! que! tengo! N! entradas! y! P! patrones! diferentes,! ! ! ! entonces! {!! , !! ! , , !! }!!!,!,!,! !es!el!conjunto!de!vectores!correspondientes!a!las!N!seales! de!entrada!de!las!P!pautas!de!informacin.!Linformacin!se!almacena!en!los!pesos!sinpticos,! de!manera!que!tengo:! !!" =
! ! ! ! !! !! !! ;!!!!!!! , !

= 1 ,2 , , ! !

El!reconocimiento!de!una!pauta!se!produce!haciendo!incidir!un!vector!de!seales!de!entrada!y! aplicando! la! funcin! de! Heaviside! al! sumatorio! de! las! ! entradas! ponderadas! por! su! peso.! Se! aplica! a! cada! neurona! de! forma! secuencial! y! en! ciclos! sucesivos,! de! forma! que! el! procedimiento! puede! ser! computado! por! un! ordenador,! evaluando! las! salidas! a! intervalos! discretos!de!tiempo!y!no!hay!que!procesar!en!paralelo!todas!las!neuronas.!As!las!neuronas!van! tomando! estados! sucesivos! de! excitacin! o! reposo! hasta! que! se! alcanza! eventualmente! un! estado!estacionario!en!que!para!cada!neurona!la!salida!permanece!constante,!se!dice!que!la! red!ha!evolucionado!a!un!estado!estable.! ! 9.2!MODELO!DE!RETROPROPAGACIN.!

Son!redes!de!aprendizaje!asistido.!El!algoritmo!de!aprendizaje!corrige!los!pesos!sinpticos!de! acuerdo!al!error!cometido!por!cada!neurona!de!salida!(las!de!la!ltima!capa),!as!que!en!este! caso!s!que!se!produce!autoretropropagacin.!!

14! !

! ! Originalmente!estas!redes!tenan!tres!capas,!siendo!la!primera!la!de!entrada,!que!actan!como! sensores!y!las!de!la!ltima!capa!actan!a!modo!de!sistema!de!salida.!Los!axones!de!una!capa! forman!sinapsis!con!todas!las!neuronas!de!la!siguiente!capa.!

! Red!neuronal!de!aprendizaje!asistido.! La!respuesta!de!la!red!se!puede!codificar!en!forma!binaria!asignando!a!cada!neurona!un! sentido!fsico.! Estas!redes!se!entrenan!para!que!asocien!un!conjunto!de!pautas!de!entrada!con!un!conjunto! de! pautas! de! salida.! Esto! se! hace! presentando! cada! pauta! individualmente,! se! ve! cul! es! la! pauta! de! salida! correspondiente! y! se! calcula! el! error! con! la! salida! que! debera! haber! sido.!! Modificando! los! pesos! en! funcin! de! su! implicacin! en! el! error! cometido! se! minimiza! este! error.! Las! pautas! vuelven! a! presentarse! una! y! otra! vez! consiguiendo! minimizar! el! error! cometido!un!poco!ms!en!cada!ciclo.!Al!cabo!de!un!gran!nmero!de!repeticiones!se!consigue! que!las!pautas!de!salida!sean!casi!idnticas!a!las!deseadas,!entonces!la!red!ya!est!entrenada! para!la!asociacin!de!pautas.! Estas!redes!son!muy!eficientes!con!las!pautas!conocidas!y!si!se!presenta!una!pauta!de!entrada! desconocida! es! capaz! de! asociarla! a! la! pauta! de! entrada! conocida! ms! parecida! y! dar! la! respuesta!en!consecuencia.! ! 10. EJEMPLO.! ! Se!ha!simulado!un!ejemplo!sencillo!y!algo!banal!para!ilustrar!mejor!el!comportamiento!de!una! red!neuronal.!En!la!figura!adjunta!se!incluye!un!diagrama!para!comprender!la!red!y!tambin!se! adjunta!el!programa!de)Matlab!que!permite!realizar!la!simulacin.!!Es!una!red!de!cuatro!capas! en! la! que! no! se! ha! tenido! en! cuenta! la! retroalimentacin! ni! ejemplifica! cmo! aprenden! las! neuronas! modificando! los! pesos! de! las! conexiones! pero! puede! servir! como! ejemplo! de! red! neuronal!en!un!estado!de!actividad!estacionaria.!Adems!es!muy!sencilla!porque!suponemos! que!cada!neurona!se!asocia!con!un!comportamiento!o!una!funcin!(por!ejemplo!la!neurona! que!detecta!situaciones!de!alerta)!y!que!slo!esta!neurona!interviene!en!esa!funcin.!Adems,! para! simplificar,! cada! neurona! de! una! capa! slo! forma! sinapsis! con! algunas! neuronas! de! la! siguiente!capa.!! 15! !

! ! ! Se!ha!diseado!una!red!con!ocho!entradas!diferentes!en!una!primera!capa.! Intensidad!luminosa.! Es!una!neurona!que!es!capaz!de!detectar!la!intensidad!luminosa,!y!dar!una!salida!que! se!codifica!como!il=1!si!la!intensidad!luminosa!es!alta,!il=0!si!es!media!y!il=h1!si!es!baja.! Esta!intensidad!luminosa!conecta!con!las!neuronas!de!deteccin!de!intensidad! luminosa!baja!con!un!peso!=h1!y!en!la!de!deteccin!de!luminosidad!alta!con!un!peso! =1;!ambas!de!la!segunda!capa!de!neuronas.! Familiaridad!del!color.! Esta!neurona!detecta!si!el!color!que!estamos!viendo!est!asociada!a!un!recuerdo! positivo.!Cuando!se!reconoce!el!color!como!recuerdo!positivo!tenemos!un!valor!de! salida!rc=1,!en!caso!contrario!la!salida!es!rc=0.!Est!conectada!con!la!neurona!de!la! segunda!capa!que!activa!recuerdos!positivos!con!un!peso!=0.3!.! Familiaridad!de!la!forma.! Acta!de!forma!similar!a!la!de!familiaridad!del!color.!Si!la!forma!est!asociada!a!un! recuerdo!positivo!rf=1!y!en!otro!caso!rf=0.!Est!tambin!conectada!con!la!neurona!de! la!segunda!capa!que!activa!recuerdos!positivos!con!un!peso!=0.7!.! Deteccin!de!color!agradable.! Es!una!neurona!que!se!activa!si!el!color!que!vemos!es!agradable,!aunque!sea!la! primera!vez!que!lo!vemos.!Si!nos!gusta!el!color!gc=1,!si!no!gc=0.!Est!conectada!con!la! neurona!de!la!segunda!capa!que!reconoce!estmulos!agradables!con!un!peso!=0.5!.! Deteccin!de!forma!agradable.! Se!activa!si!el!patrn!de!forma!que!percibimos!es!agradable,!entonces!la!salida!es!gf=1,! en!otro!caso!gf=0.!Tambin!est!conectada!con!la!neurona!de!reconocimiento!de! estmulos!agradables,!el!peso!de!esta!conexin!es!=0.4!.! Intensidad!del!sonido! Esta!neurona!se!activa!si!detecta!un!golpe!de!ruido!o!un!ruido!muy!fuerte,!entonces!la! salida!es!is=1.!Si!no!se!detecta!ningn!sonido!excesivamente!fuerte!is=0.!Est! conectado!con!un!detector!de!situacin!de!alerta!en!la!segunda!capa!con!un!peso!=2.! Familiaridad!del!sonido.! Acta!como!las!neuronas!de!familiaridad!del!color!y!de!la!forma.!Si!se!reconoce!el! patrn!de!sonido!rs=1!y!si!no!rs=0.!Est!conectada!con!la!neurona!de!recuerdos! positivos!con!un!peso!=0.7!.! Deteccin!de!un!patrn!sonoro!agradable.! Si!lo!que!omos!es!positivo,!esta!neurona!se!activa!produciendo!una!salida!gs=1,!en! otro!caso!gs=0.!Est!conectada!con!la!neurona!que!detecta!estmulos!agradables!con! un!peso!=0.6!.! ! ! ! !

16! !

! ! Neuronas!de!la!segunda!capa:1! Detector!de!intensidades!bajas!de!luz.! El!factor!umbral!de!esta!neurona!es!=h0.003,!su!funcin!de!salida!viene!dada!por:! ! = !"# = ! (1!" + 0.003)! Est!conectada!con!la!neurona!de!la!tercera!capa!que!controla!la!dilatacin!de!la!pupila! con!un!peso!=1!.! Detector!de!intensidades!altas!de!luz.! Tiene!un!factor!umbral!=h0.003!y!su!funcin!de!salida!viene!dada!por:! ! = !"# = !(1!" + 0.003)! Est!conectada!con!la!neurona!de!la!tercera!capa!que!controla!el!cierre!de!ojos!con!un! peso!=1!.! Activacin!de!recuerdos!positivos.! Tiene!un!factor!umbral!=0.5!y!su!funcin!de!salida!viene!dada!por:! ! = !" = !(0.3!" + 0.7!" + 0.7!" 0.5)! Est!conectada!con!la!neurona!de!la!tercera!capa!que!controla!la!dilatacin!de!la!pupila! con!un!peso!=0.2,!con!la!relacionada!con!el!aumento!del!ritmo!cardiaco!con!un!peso! =0.4!y!con!la!que!controla!la!sonrisa!con!un!peso!=0.4!.! Reconocimiento!de!estmulos!agradables.! El!factor!umbral!de!esta!neurona!es!=0.5!y!la!funcin!de!salida!es:! ! = ! = !(0.5!" + 0.4!" + 0.6!" 0.5)! Est!conectada!con!loas!mismas!neuronas!de!la!tercera!capa!que!la!neurona!de! activacin!de!recuerdos!positivos!pero!con!pesos!=0.2,!=0.2!y!=0.8! respectivamente.! Detector!de!situaciones!de!alerta.! La!salida!de!esta!neurona!viene!dada!por:! ! = !" = !(2!" 1)! ya!que!se!nutre!slo!de!la!neurona!de!intensidad!de!sonido!y!su!funcin!umbral!es! =1.!Esta!neurona!est!conectada!con!una!de!las!neuronas!de!la!tercera!capa,!la!que! acelera!el!ritmo!cardiaco!con!peso!=2;!y!con!una!neurona!de!la!capa!de!salida,!la! cuarta,!que!influye!directamente!en!el!acto!de!sonrer,!!con!un!peso!=h1!influyendo! negativamente!en!esta!funcin.!

Neuronas!de!la!tercera!capa:! Dilatacin!de!la!pupila.! Esta!neurona!va!a!determinar!si!la!pupila!aumenta!de!tamao!dependiendo!de!la! salida!que!tenga,!que!viene!dada!por:! ! = !" = !(1!"! + 0.2!" + 0.2! 0.5)!

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
1

1 $ 1 + ! !!" y$con=8,$que$se$aproxima$bastante$a$una$funcin$escaln$segn$la$bibliografa$(Biofsica:$ principios$fundamentales,$de$Jess$Vzquez).$! ! ! =

!Las$neuronas$de$la$segunda$capa$tienen$una$salida$modelada$con$la$funcin$sigmoidal$dada$por$

17! !

! ! (=0.5).!Est!conectada!con!las!neuronas!de!salida,!que!si!se!estimulan!provocan!una! reaccin!directa!en!las!pupilas.!Con!las!tres!neuronas!de!salida!la!conexin!tienen!un! peso!=1.! Aceleracin!del!ritmo!cardiaco.! La!funcin!de!salida!es:! ! = !"#$% = !(2!" + 0.4!" + 0.2! 0.01)! con!su!funcin!umbral!=0.01.!Est!conectada!con!las!tres!neuronas!de!salida!que!van! a!provocar!(o!no)!un!aumento!del!ritmo!cardiaco,!en!los!tres!casos!con!un!peso!=1!.! Cerrar!los!ojos.! Esta!es!la!primera!neurona!de!salida!que!encontramos.!Su!activacin!produce! directamente!una!reaccin!fisiolgica:!cerrar!los!ojos.!Como!la!respuesta!es!discreta!(o! se!cierran!los!ojos!o!no),!definimos!la!salida!con!una!funcin!de!Heaviside!con!funcin! umbral!=0.99:! ! = !"!! = ! (!"# 0.99)! de!manera!que!si!!"# > 0.99!la!neurona!se!activa,!transmite!la!seal!y!los!ojos!se! cierran.!Esta!respuesta!se!da!cuando!la!intensidad!luminosa!es!alta.! Sonrisa.! La!funcin!umbral!de!esta!neurona!es!=0.5!y!la!de!salida!es:! ! = !"#$%!" = !(0.4!" + 0.8! 0.5)! Conecta!con!la!neurona!de!salida!que!provoca!el!acto!de!sonrer!con!un!peso!=1!.!

Neuronas!de!salida!(todas!las!salidas!de!estas!neuronas!vienen!definidas!por!una!funcin!de! Heaviside):! Dilatacin!muy!leve!de!la!pupila.! La!salida!viene!dada!por:! ! = !"#$%$&"'()*+#,-, = ! (!"!#$% 0.55)! La!funcin!umbral!es!=0.55,!si!la!salida!pupila!es!superior!a!la!funcin!umbral,!la! neurona!se!activa,!transmitiendo!la!seal!y!provocando!una!dilatacin!muy!leve!de!la! pupila.!Con!la!simulacin!en!Matlab!se!puede!comprobar!que!una!dilatacin!muy!leve! de!pupila!se!produce!cuando!la!intensidad!de!la!luz!es!media!y!se!produce!un! reconocimiento!de!algn!patrn!(de!color,!forma!o!sonido)!asociado!a!un!recuerdo! positivo!o!si!reconocemos!un!color,!una!forma!o!un!sonido!como!un!estmulo! agradable.!Si!la!intensidad!es!media!pero!no!hay!otro!estmulo!no!se!produce! dilatacin!alguna!de!la!pupila!y!si!la!intensidad!de!la!luz!es!alta!no!se!produce!en! ningn!caso!dilatacin!alguna!de!la!pupila.! Dilatacin!leve!de!la!pupila.! La!salida!est!definida!por!la!funcin:! ! = !"#$%$&"'(#)*) = ! (!"!#$% 0.8)! con!una!funcin!umbral!=0.8,!de!manera!que!si!!"!#$% > 0.8,!la!neurona!se!activa,! transmite!la!seal!y!produce!una!dilatacin!leve!de!la!pupila.!Se!puede!comprobar!que! una!dilatacin!leve!se!produce!cuando!hay!una!intensidad!de!luz!media!y!adems!se! perciben!dos!estmulos!de!entre!los!reconocimientos!de!estmulos!positivos!y!los!que! se!asocian!a!recuerdos!positivos.!! Dilatacin!grande!de!la!pupila.! Con!una!funcin!umbral!=0.97,!la!funcin!de!salida:! 18! !

! ! ! = !"#$%$&"'( = ! (!"!#$% 0.97)! esta!neurona!transmite!la!seal!si!!"!#$% > 0.97,!entonces!la!pupila!se!dilata!mucho.! Esto!ocurre!cuando!la!intensidad!de!la!luz!es!baja,!independientemente!de!los! estmulos!que!se!reciban.! Aceleracin!muy!leve!del!ritmo!cardiaco.! Si!esta!neurona!se!estimula!por!encima!de!su!funcin!umbral!=0.62,!transmite!una! seal!que!produce!un!aumento!muy!leve!del!ritmo!cardiaco! ! = !"#$%&'#"()$*$ = ! (!"#$% 0.62)! El!aumento!muy!leve!del!ritmo!cardiaco!se!produce,!por!ejemplo,!cuando!nos!gusta!un! sonido!que!estamos!escuchando.! Aceleracin!leve!del!ritmo!cardiaco.! La!funcin!umbral!es!=0.7!y!la!funcin!de!salida!viene!dada!por:! ! = !"#$%&'($)$ = ! (!"#$% 0.7)! Al!superar!el!valor!umbral!se!transmite!la!seal!y!se!produce!un!aumento!leve!del! ritmo!cardiaco.!Esto!puede!suceder!si!se!nos!presenta!un!patrn!de!forma!o!de!sonido! asociados!a!recuerdos!positivos,!entre!otros!casos.! Aceleracin!del!ritmo!cardiaco.! Se!produce!una!transmisin!de!la!seal!por!parte!de!esta!neurona!cuando!la!variable! de!entrada!ritmo!supera!el!valor!umbral!=0.999!y!la!funcin!de!salida!es:! ! = !"#$%&' = ! (!"#$% 0.999)! El!aumento!fuerte!del!ritmo!cardiaco!se!produce!slo!cuando!se!detecta!una! intensidad!de!sonido!alta,!como!consecuencia!de!la!activacin!del!detector!de! situacin!de!alerta.! Cerrar!los!ojos.! Como!esta!neurona!est!en!la!tercera!capa!ya!se!ha!explicado!en!un!apartado!anterior.! Se!activa!cuando!la!intensidad!luminosa!es!alta!y!produce!el!cierre!de!los!ojos.! Sonrer.! Esta!neurona!tiene!una!funcin!de!salida! ! = !"#$%&$ = ! (!"#$%!& !" 0.01)! Si!sonrisa!!al!supera!el!valor!umbral!=0.01,!la!neurona!provoca!una!sonrisa.!Esto! ocurre!por!ejemplo!si!reconocemos!un!patrn!de!sonido,!de!color!o!de!forma.!No!se! produce!en!ningn!caso!si!se!ha!detectado!situacin!de!alerta,!es!decir,!en!nuestro! caso!no!se!produce!si!la!intensidad!del!sonido!es!alta,!por!ejemplo!si!ha!habido!un! golpe!de!ruido.! ! ! !

19! !

! !

Diagrama$de$la$red$neuronal.$ $ $ $ $ $ $ 20! !

! ! % %ENTRADAS% $ % il=input('La intensidad de la luz, es alta (1), media (0) o baja (-1)?: '); rc=input('Reconoces el color? (si=1, no=0): '); rf=input('Reconoces la forma?: '); gc=input('Te gusta el color?: '); gf=input('Te gusta la forma?: '); is=input('Hay un sonido fuerte?: '); rs=input('Reconoces el patrn de sonidos?: '); gs=input('Te gusta lo que suena?: '); % %DEFINIMOS LA FUNCIN SIGMOIDAL% % alfa=8; s=@(t)[1./(1+exp(-alfa.*t))];
% %CAPA INTERMEDIA% %detector de intensidad baja.Se nutre de il con un peso -1. El valor umbral es muy pequeo% xilb= -1*il+0.0003; ilb=s(xilb); %detector de intensidad alta. Se nutre de il con un peso 1. Valor umbral %pequeo% xila=il+0.0003; ila=s(xila); %Activacin de recuerdos positivos. De rc(peso=0.3), rf(0.7) y %rs(0.7)% xrp=0.3*rc+0.7*rf+0.7*rs-0.5; rp=s(xrp); %Agrado. De gc(peso=0.5), de gf(0.4) y de gs(0.6) xa=gc*0.5+gf*0.4+gs*0.6-0.5; a=s(xa); %Sistema de alerta% xalerta=is*2-1; alerta=s(xalerta); % %LTIMA CAPA% %Dilatacin de pupila% xpupila=1*ilb+0.2*rp+0.2*a-0.5; pupila=s(xpupila); %Aceleracin del ritmo cardiaco% xritmo=2*alerta+0.4*rp+0.1*a-0.01; ritmo=s(xritmo); %Sonrisa% xsonrisa=0.4*rp+0.8*a-0.5; sonrisa=s(xsonrisa);

!
% %RESPUESTA. Ahora aplicamos Heavyside% %Dilatacin muy leve de pupila% dilamuyleve=pupila-0.55; dilatacionmuyleve=0; if dilamuyleve>0 dilatacionmuyleve=1; end %Dilatacion leve de pupila% dilaleve=pupila-0.80; dilatacionleve=0; if dilaleve>0 dilatacionleve=1; end

! 21! !

!
%Dilatacin% dila=pupila-0.97; $ dilatacion=0; if dila>0 dilatacion=1; end % if dilatacion==1 display('La pupila se ha dilatado mucho.') else if dilatacionleve==1 display('La pupila se ha dilatado levemente.') else if dilatacionmuyleve==1 display('La pupila se ha dilatado muy levemente.') else display('La pupila no se ha dilatado.') end end end % %Ritmo cardiaco fuerte. ritfuerte=ritmo-0.999; ritmofuerte=0; if ritfuerte>0 ritmofuerte=1; end %Ritmocardiacoleve. ritleve=ritmo-0.7; ritmoleve=0; if ritleve>0 ritmoleve=1; end %Ritmomuyleve. ritmuyleve=ritmo-0.62; ritmomuyleve=0; if ritmuyleve>0 ritmomuyleve=1; end % if ritmofuerte==1 display('El ritmo cardiaco se ha acelerado mucho.') else if ritmoleve==1 display('El ritmo cardiaco se ha acelerado levemente.') else if ritmomuyleve==1 display('El ritmo cardiaco se ha acelerado muy levemente.') else display('El ritmo cardiaco no se ha acelerado.') end end end % %Cerrar ojos if ila>0.99 display('Los ojos se han cerrado.') else display('Los ojos no se han cerrado') end

22! !

! ! % %Sonrisa sonreir=sonrisa-alerta-0.01; if sonreir>0 display('Ha sonreido.') else display('No se ha sonreido.') end ! Fichero!.m!que!sirve!para!hacer!la!simulacin! $ $ $ $ $ $ $ 11. BIBLIOGRAFA! ! Biofsica:!principios!fundamentales.!Jess!Vzquez.! Sobre!la!Inteligencia.!Jeff!Hawkins!y!Sandra!Blakeslee.!! Neural!Nets.!J.!D.!Cowan!y!D.!H.!Sharp.! Doctotema2.pdf.!J.!Torres.!(http://www.ugr.es/~jtorres/doctotema2.pdf)!

! !

23! !