Redes neuronales

Capas de entrada
Capas ocultas
X ui
Capas de salidas
Y uj
Peso

Peso
Z uk

Regla de la Función de
propagación salida
Salida

Elementos de
Elementos de salidas W kj
Función de Respuesta de la red
entrada W ij
activación neuronal

Entrada sensorial
Procesamiento
Los elementos básicos de una red neuronal están conformados por tres capas:

Capa de entrada: denominada sensorial, compuesta por neuronas que reciben datos o señales provenientes del entorno.
Entradas W ij a la neurona.

Capa oculta: no tiene conexión con directa con el entorno, ni se conecta directamente a ningún órgano sensorial ni a efectores,
esta capa es capaz de representar más fehacientemente determinadas características del entorno que trata de modelar es decir
realiza el procesamiento que se recibe del entorno con información existente.

Capa de salida: se compone de neuronas que proporcionan las respuestas de la red neuronal. Cada elemento de
procesamiento tiene permitido una única salida Zu (k) que puede estar asociada con un número elevado de otras neuronas.
Normalmente, la salida es directamente equivalente al valor resultante de la función de activación.

Relación entre las partes que componen una red neuronal

A partir de una función de activación se determina si la activación de una neurona pre sináptica produce la activación de la
neurona post sináptica. Posteriormente se añaden reglas bajo las cuales ocurren cambios en los pesos de las interconexiones
bajo las cuales la red “aprende”. Finalmente, la red se entrena y se observa cómo la red cambia a partir de la experiencia o se
adapta al ambiente (Olson & Hergenhahn, 2009).

Un conjunto de entradas xj y unos pesos sinápticos wij.

Una regla de propagación está definida a partir del conjunto de entradas y los pesos sinápticos. La regla de propagación más
comúnmente utilizada consiste en combinar linealmente las entradas y los pesos sinápticos.

Una función de activación, la cual representa simultáneamente la salida de la neurona y su estado de activación. Si denotamos
por yi dicha función de activación
Las funciones de entradas pueden ser:

Sumas de entradas pesadas: Suma de todos los volúmenes de entradas a las neuronas multiplicados por su correspondiente
peso.

Productora de las entradas pesadas: es el resultado de los valores de entrada a las neuronas, multiplicados por su
correspondiente peso.

Máximo de las entradas: Es el valor de entrada más fuerte, multiplicado con su correspondiente peso.

Relación con las funciones de salidas:

Es el último paso o componente de la neurona; el valor de la transferencia como el resultante en las neuronas vinculadas. Si la
función de activación está por debajo de un umbral determinado, ninguna salida se pasa a la neurona siguiente. Normalmente
no cualquier valor es permitido como una entrada para la neurona, por lo tanto, los valores de salidas están comprendidos en un
rango. La relación y vínculo de los valores de entrada y salida son los mismos y por ellos se les llama función de identidad.

Descripción de la articulación entre una red neuronal y la cognición.

De acuerdo a la lectura realizada se puede describir la articulación entre la red neuronal y la cognición, mediante la simulación
de los procesos cognoscitivos con las redes neuronales y su dinámica con la conducta humana, entendiéndose que asi como la
información sensorial que recibe el ser humano al momento de la interacción con el entorno y luego esa información tiene un
proceso interno dentro del cerebro mediante el sistema de memoria, realizando conexiones entre neuronas de acuerdo al tipo
de información y estimulo recibido para lograr una respuesta de forma inmediata, que es asociada con el aprendizaje adquirido
durante todo su proceso de evolución, y que muchos autores lo ha comparado con aprendizaje de tipo estimulo respuestas, y
que de acuerdo a como es percibido y programado dentro del cerebro se activara cada vez que haya una asociación con
estímulos iguales, de igual manera sucede con la red neuronal donde se lleva a cabo un proceso de semejanza con los
procesos internos del cerebro, creando unidades de entrada de información , procesamiento y salida de la información que se
activan de acuerdo a las conexiones que realice con el estímulo percibido generando una respuesta (salida), que esto varía
según el peso que haga cada una de las conexiones. Comparando la conexión de los pesos que hace cada conexión, con el
proceso mental que realizan las neuronas con los diferentes estímulos sea condicionado o incondicionado para dar unas
respuestas, en otras palabras el peso de la conexión entre un estímulo y una respuesta, dará un aprendizaje y este a su vez
una respuesta.

Donde al momento de realizar un algoritmo de redes neuronales, los pesos de las unidades simulan el EC incrementan si la
diferencia entre el valor de activación máximo de la unidad que simula al EI es mayor que 0. Si el valor de la consecuencia es
mayor que el valor de la respuesta (una forma de establecer el valor reforzante) se fortalece la conexión entre un estímulo y la
respuesta que le sigue. Finalmente se define que los procesos cognitivos realizan conexiones internas que permiten llevar a
cabo una función en el ser humano y que de acuerdo a la forma como se refuerce se dará una respuesta, asi mismo las redes
neuronales están diseñadas para realizar un proceso semejante al sistema nervioso que al mismos tiempo dado lugar a que se
conozco más a profundidad el funcionamiento de cerebro y sus conexiones. El reforzamiento es parte integral de los modelos
de redes, asi como el de querer adaptar o modificar una conducta humana. En otras palabras asi como el cerebro procesa la
información recibida mediante símbolos internos para darle un significado al mundo externo, asi las redes neuronales mantiene
una dinámica de símbolos internamente entre sus redes para darle un significado al estímulo recibido del exterior, que se ajusta
al peso (algoritmo) de cada conexión con la información existente para activar una respuesta.

Referencias
Escobar, R. (2004). Redes neuronales, procesos cognoscitivos y análisis de la conducta. Revista Conductual. 2(1), 23-43.
Recuperado de
http://conductual.com/sites/default/files/pdf-articles/Redes%20neuronales_Escobar_0.pdf
Larrañaga, P., Inza, I. y MoujaHid, A. (s.f). Redes Neuronales. Extraído de:
http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t8neuronales.pdf
Ortiz, I. (2007). Introducción a la Redes Neuronales, Universidad Complutense de Madrid, Facultad de Informática. [Disponible
en Internet]. Extraído de: http://www.gurugames.es/people/pedro/aad/ivan_martinez.pdf
Palacios, F. (2003). La neurona artificial. Herramientas en GNU/Linux para estudiantes universitarios.[Disponible en el Internet].
Extraído de: http://es.tldp.org/Presentaciones/200304curso-glisa/redes_neuronales/curso-glisa-redes_neuronales-
html/x38.html
Redes Neuronales, Introducción y Conceptos Básicos. Extraído de:
http://members.tripod.com/jesus_alfonso_lopez/RnaIntro.html