Page 9 - PROYECTO_FINAL_BC_CS

2.3 Redes neuronales y computadoras memoria de vecindad, entrega una señal de
digitales resultado y ajusta la memoria de vecindad.
Para comprender el potencial de la computación • Las contribuciones a la RNA provienen del
neuronal, es necesario hacer un Breve diferencia entre resto del mundo, mientras que sus resultados
los sistemas informáticos neurales y digitales: son asociaciones que salen de la RNA
sistemas Los principios neurológicos no se aplican a
circuitos lógicos o digitales.
Los sistemas informáticos digitales deben ser
síncronos o asincrónicos, la duración de los impulsos
nerviosos debe ser variable para mantener uno de los
valores binarios indefinidos, que no es el caso si el
principio es síncrono y requiere un reloj maestro o
global, pulso está sincronizado.
Este no es el caso. “Las neuronas no pueden ser
circuitos de umbral lógico porque hay miles de
entradas variables en la mayoría de las neuronas” [2].
El umbral cambia con el tiempo y se ve afectado por Figura 4: Reconocimiento.
la estimulación, la atenuación, etc. La precisión y
estabilidad de este circuito no es suficiente para definir La Fig. 4 a continuación se puede ver un esquema de
ninguna función. una red neuronal.
Valor booleano los procesos colectivos que son 2.4.1 Una función de entrada
importantes en la computación neuronal no se pueden
lograr mediante cálculos numéricos. Por tanto, el La neurona considera muchas fuentes de información
cerebro debe ser un computadora analógica ni las como si fueran una sola; esto se llama información
neuronas ni las sinapsis son elementos de memoria mundial. A continuación, nos enfrentamos a la
biestables. Todo el mundo los hechos fisiológicos cuestión de cómo estas fuentes directas de información
apoyan el papel de las neuronas como integradoras (ini1, ini2, ...) pueden unirse en la información
análogas, la eficiencia de las sinapsis cambia mundial, gini. Esto se consigue mediante el trabajo de
gradualmente, lo que no es características de los información, que se determina a partir del vector de
sistemas biestables. información. La capacidad de información puede
representarse de la siguiente manera
El circuito cerebral no realiza cálculos recursivos, por
lo que no son algoritmos. “Debido a problemas de
estabilidad, el circuito neuronal no es lo
suficientemente estable para la definición recursiva de Figura 5: Capacidad de información.
funciones, como cálculos numéricos” [1]. Por
definición, el algoritmo define una función recursiva. La Fig. 5 a continuación se puede ver la capacidad de
2.4 Elementos Básicos información a través de vectores.
Una organización neuronal falsa (RNA) puede donde: * se dirige al administrador de la adaptación
caracterizarse (Hecht - Nielssen 93) como un diagrama (por ejemplo, mayor, suma, productora, etc.), en la
coordinado con los imperativos que lo acompañan: cantidad de contribuciones a la neurona Ni y wi el
peso.
• Los cubos se llaman componentes de manejo
(PEs). Las estimaciones de información son duplicadas por
las cargas que recientemente entraron en la neurona.
• Las conexiones se denominan asociaciones y Por lo tanto, las cargas que son en su mayoría no
capacidad como vías de dirección única restringidas cambian el grado de impacto que tienen
pronta. las infoestimaciones. Es decir, permiten que una
• Cada PE puede tener bastantes asociaciones.
• Todas las asociaciones que salen de un PE
deben tener un signo similar.
• Los PEs pueden tener memoria de vecindad.
• Cada PE tiene un trabajo de intercambio que,
en función de las fuentes de datos y de la

8