Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Networks
Podemos clasificar un objeto como una fruta, aunque jamás lo hayamos visto antes
• Habilidad inherente para generalizar
Neural
Networks
Qué es una Neural Networks?
La Neurona Biologica?
Las neuronas son células del cerebro. Se estima que hay en el cerebro humano:
1012 neuronas
1014 Conexiones sinápticas
Organización por capas
Organización por niveles:
Sistema Nervioso Central (SNC)
Circuitos entre regiones
Circuitos locales
Neuronas
Árboles dendríticos
Microcircuitos neuronales
Sinapsis
Canales iónicos
Moléculas
Neural
Networks
Inspiración Biologica?
Características SNC:
Inclinación a adquirir conocimiento desde la experiencia
Conocimiento almacenado en conexiones sinápticas
Gran plasticidad neuronal
Comportamiento altamente no-lineal
Alta tolerancia a fallos (muerte neuronal)
Apto para reconocimiento, percepción y control
Neural
Networks
Algunas veces la acción a través de la sinapsis incrementa el potencial del soma, y otras
veces lo disminuye.
Neural
Networks
Y así sucesivamente . . .
Un impulso eléctrico recorrerá el axón
alcanzando eventualmente todas las ramas,
Neural
Networks
Dinamica de la neurona?
40 mV membrane Potential de la accion ≈ 100mV
rest
20
activation
Umbral de activacion ≈ 20-30mV
0 Potencial de reposo ≈ -65mV
Tiempo del pico ≈ 1-2ms
-20
Tiempo de refracccion ≈ 10-20ms
-40
-60
-80
-100
ms
-120
0 10 20 30 40 50 60 70 80 90 100
Neural
Networks
synapse axon
nucleus
cell body
dendrites
axon dendritas
sinapsis
La transmisión de la información ocurre en las sinapsis.
Neural
Networks
Aprendizaje:
Paradigmas de aprendizaje:
Aprendizaje Supervisado
Aprendizaje por Reforzamiento
Aprendizaje Auto-organizado (No Supervisado)
Precalculado o prefijado
Neural
Networks
Aprendizaje no supervisado:
Implementaciones
Implementaciones
Neurosimuladores:
Software:
Flexibles
Económicos
Hardware:
Eficientes
Neural
Networks
Implementaciones
Tipos Neuro-software:
Programación directa
Librerías
Entornos de desarrollo
Características deseables:
Facilidad de uso
Potencia
Eficiente
Extensibilidad
Neural
Networks
Implementaciones
Neuro-hardware:
VLSI analógico
Opto-Electrónicos
FPGAs
Neuro-Chips (VLSI Digital)
Neuro-Tarjetas
Máquinas paralelas de propósito general
Biochips
Objetivo:
Acelerar fases de aprendizaje y ejecución
Neural
Networks
Implementaciones
Biochips
Neural
Networks
La neurona artificial
La neurona artificial
Neural
Networks
a j = f wij xi + b j = f ( w j x + b j )
n
T
i =1
Funcion de activacion
La “Bias” de la neurona
v=u+b
La neurona realiza una operación no lineal sobre la combinación lineal de las variables
de entrada
Perceptron
Neural
Networks
R entradas
S neuronas
S salidas
Neural
Networks
El Perceptrón Multicapa