Page 18 - Proyecto Texto_E-Book_Kevin Cueva & Eyton Samaniego_

paralelas, lo que permite altas velocidades de • Las conexiones se denominan asociaciones y
transmisión y respuestas casi instantáneas. capacidad como vías de dirección única
pronta.
Las neuronas pueden reconocer patrones no
aprendidos, solo necesitan tener algunas similitudes • Cada PE puede tener bastantes asociaciones.
con el conocimiento previo de la red. En otras • Todas las asociaciones que salen de un PE
palabras: si la entrada muestra signos de manipulación, deben tener un signo similar.
la red debe poder identificarla siempre que se
mantenga un cierto grado de similitud entre lo • Los PEs pueden tener memoria de vecindad.
aprendido y lo que se muestra en la entrada de la red.
• Cada PE tiene un trabajo de intercambio que,
Finalmente, se debe enfatizar como un activo la en función de las fuentes de datos y de la
facilidad de inclusión en la tecnología existente. memoria de vecindad, entrega una señal de
Entonces, por ejemplo, es muy fácil conseguir chips resultado y ajusta la memoria de vecindad.
especializados que mejoren su capacidad.
• Las contribuciones a la RNA provienen del
2.3 Redes neuronales y computadoras resto del mundo, mientras que sus resultados
digitales son asociaciones que salen de la RNA

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.
Figura 4: Reconocimiento.
Este no es el caso. “Las neuronas no pueden ser
circuitos de umbral lógico porque hay miles de La Fig. 4 a continuación se puede ver un esquema de
entradas variables en la mayoría de las neuronas” [2]. una red neuronal.
El umbral cambia con el tiempo y se ve afectado por
la estimulación, la atenuación, etc. La precisión y 2.4.1 Una función de entrada
estabilidad de este circuito no es suficiente para definir
ninguna función. La neurona considera muchas fuentes de información
como si fueran una sola; esto se llama información
Valor booleano los procesos colectivos que son mundial. A continuación, nos enfrentamos a la
importantes en la computación neuronal no se pueden cuestión de cómo estas fuentes directas de información
lograr mediante cálculos numéricos. Por tanto, el (ini1, ini2, ...) pueden unirse en la información
cerebro debe ser un computadora analógica ni las mundial, gini. Esto se consigue mediante el trabajo de
neuronas ni las sinapsis son elementos de memoria información, que se determina a partir del vector de
biestables. Todo el mundo los hechos fisiológicos información. La capacidad de información puede
apoyan el papel de las neuronas como integradoras representarse de la siguiente manera
análogas, la eficiencia de las sinapsis cambia
gradualmente, lo que no es características de los
sistemas biestables.
Figura 5: Capacidad de información.
El circuito cerebral no realiza cálculos recursivos, por
lo que no son algoritmos. “Debido a problemas de La Fig. 5 a continuación se puede ver la capacidad de
estabilidad, el circuito neuronal no es lo información a través de vectores.
suficientemente estable para la definición recursiva de
funciones, como cálculos numéricos” [1]. Por
definición, el algoritmo define una función recursiva.
2.4 Elementos Básicos

Una organización neuronal falsa (RNA) puede
caracterizarse (Hecht - Nielssen 93) como un
diagrama coordinado con los imperativos que
lo acompañan:
• Los cubos se llaman componentes de
manejo (PEs).
18