Anda di halaman 1dari 2

Si tratamos de definir qu es la memoria, se compone de mltiples habilidades mediadas por sistemas cerebrales separados y distintos.

El aprendizaje conduce a cambios que aumentan o disminuyen la eficacia de los impulsos que llegan a las uniones entre las neuronas, y el efecto acumulativo de estos cambios constituye la memoria. Aprender a continuacin, se podra definir como un cambio en una respuesta neuronal como resultado de experiencias anteriores, debido a un estmulo externo. La memoria, a su vez, sera el mantenimiento de estos cambios con el tiempo. El punto de vista de la memoria que ha surgido recientemente es que el almacenamiento de informacin est vinculada a las reas de procesamiento especficos que se dedican durante el aprendizaje sistemas artificiales tales como las redes neuronales se pueden utilizar para imitar las funciones del sistema nervioso. Redes Neuronales

En este modelo cada neurona estaba dotada de un conjunto de entradas y salidas. Cada entrada est afectada por un peso. La activacin de la neurona se calcula mediante la suma de los productos de cada entrada y la salida es una funcin de esta activacin. La principal clave de este sistema se encuentra en los pesos de las diferentes entradas. En realidad cuando se tienen interconectadas muchas de estas neuronas artificiales lo que se hace inicialmente es entrenar el sistema. El entrenamiento consiste en aplicar unas entradas determinadas a la red y observar la salida que produce. Si la salida que produce no se adecua a la que se esperaba, se ajustan los pesos de cada neurona para interactivamente ir obteniendo las respuestas adecuadas del sistema. A la red se le somete a varios ejemplos representativos , de forma que mediante la modificacin de los pesos de cada neurona , la red va "aprendiendo". Diseo y programacin de una RNA (red neuronal artificial) El objetivo del programador es modelar matemticamente (con distintos grados de formalismo) el problema en cuestin y posteriormente formular una solucin (programa) mediante un algoritmo codificado que tenga una serie de propiedades que permitan resolver dicho problema. En contraposicin, la aproximacin basada en las RNA parte de un conjunto de datos de entrada suficientemente significativo y el objetivo es conseguir que la red aprenda automticamente las propiedades deseadas. En este sentido, el diseo de la red tiene menos que ver con cuestiones como los flujos de datos y la deteccin de condiciones, y ms que ver con cuestiones tales como la seleccin del modelo de red, la de las variables a incorporar y el preprocesamiento de la informacin que formar el conjunto de entrenamiento. Asimismo, el proceso por el que los parmetros de la red se adecuan a la resolucin de cada problema no se denomina genricamente programacin sino que se suele denominar entrenamiento neuronal.

{Por ejemplo en una red que se va a aplicar al diagnstico de imgenes mdicas; durante la fase de entrenamiento el sistema recibe imgenes de tejidos que se sabe son cancergenos y tejidos que se sabe son sanos, as como las respectivas clasificaciones de dichas imgenes. Si el entrenamiento es el adecuado, una vez concluido, el sistema podr recibir imgenes de tejidos no clasificados y obtener su clasificacin sano/no sano con un buen grado de seguridad. Las variables de entrada pueden ser desde los puntos individuales de cada imagen hasta un vector de caractersticas de las mismas que se puedan incorporar al sistema (por ejemplo, procedencia anatmica del tejido de la imagen o la edad del paciente al que se le extrajo la muestra).}

Similitud con redes artificiales , sistema de neuronas biolgico est compuesto por neuronas de entrada (sensores) conectados a una compleja red de neuronas "calculadoras" (neuronas ocultas), las cuales, a su vez, estn conectadas a las neuronas de salidas que controlan, por ejemplo, los msculos. La figura 6 muestra un esquema conceptual.

Figura 6. Estructura neuronal Los sensores pueden ser seales de los odos, ojos, etc. Las respuestas de las neuronas de salida activan los msculos correspondientes. En el cerebro hay una gigantesca red de neuronas "calculadoras" u ocultas que realizan la computacin necesaria. De esta manera similar, una red neuronal artificial debe ser compuesta por sensores del tipo mecnico o elctrico. El entrenamiento de la red es muy importante ya que servir para que posteriormente la respuesta del sistema sea la adecuada. Si nos fijamos un poco eso tiene mucho que ver con el aprendizaje humano. {EJEMPLOCuando a un nio se le ordena coger un vaso , empieza moviendo el brazo de forma cuasi-aleatoria
hasta que choca con el vaso y lo presiona con sus dedos. La prxima vez que se le ordene al nio, ste alcanzar el vaso con mayor soltura y precisin . Este mismo modelo se ha ensayado en redes neuronales de caractersticas similares a las del nio. Una vez que el brazo mecnico choca con la pieza y memoriza la secuencia , en posteriores ocasiones al brazo le cuesta menos realizar la misma operacin se dice entonces que el sistema adquiri experiencia.}

En conclusin las redes neuronales se orientan a desarrollar mquinas o sistemas inteligentes capaces de simular, desarrollar y optimizar muchas de las funciones de un ser humano as como tambin la investigacin cientfica ya que pueden hacer cosas que el hombre por sus limitaciones fsicas no puede realizar.

Anda mungkin juga menyukai