Page 44 - E-book Merizalde

Las redes neuronales permiten la autoorganización de lo aprendido mientras que el aprendizaje es la modificación
de elementos procedimentales individuales, la autoorganización es la modificación de toda la red neuronal para
lograr un objetivo particular.
Además, las redes neuronales son tolerantes a fallos. Fueron los primeros métodos computacionales con esta
habilidad inherente. De esta forma, si el fallo se produce en un número reducido de neuronas, aunque el
comportamiento del sistema se vea afectado, no se bloqueará de forma repentina.
Una de las principales prioridades de las redes neuronales es que pueden operar en tiempo real. Las redes
neuronales funcionan a través de conexiones paralelas, lo que permite altas velocidades de transmisión y respuestas
casi instantáneas.
Las neuronas pueden reconocer patrones no aprendidos, solo necesitan tener algunas similitudes con el
conocimiento previo de la red. En otras palabras: si la entrada muestra signos de manipulación, la red debe poder
identificarla siempre que se mantenga un cierto grado de similitud entre lo aprendido y lo que se muestra en la
entrada de la red.
Finalmente, se debe enfatizar como un activo la facilidad de inclusión en la tecnología existente. Entonces, por
ejemplo, es muy fácil conseguir chips especializados que mejoren su capacidad.
2.3 Redes neuronales y computadoras digitales

Para comprender el potencial de la computación neuronal, es necesario hacer un Breve diferencia entre los
sistemas informáticos neurales y digitales: 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 la
estimulación, la atenuación, etc. La precisión y estabilidad de este circuito no es suficiente para definir
ninguna función.
Valor booleano los procesos colectivos que son importantes en la computación neuronal no se pueden lograr
mediante cálculos numéricos. Por tanto, el cerebro debe ser un computadora analógica ni las neuronas ni
las sinapsis son elementos de memoria biestables. Todo el mundo los hechos fisiológicos apoyan el papel de