Se conoce como neurona artificial o neurona de McCulloch-Pitts, a una unidad de calculo que intenta simular o modelar el comportamiento de una neurona orgánica humana, siendo estas las que constituyen nuestros cerebros. Esta es la unidad esencial con la que se construyen las redes neuronales.
Las neuronas artificiales están diseñadas para imitar aspectos de sus contrapartes biológicas, como se muestra en la Ilustración 19. A continuación se definiran esta partes.
Dendritas
En una neurona biológica, las dendritas actúan como un vector de entrada. Estas permiten que la célula reciba un gran número de señales de neuronas vecinas. Esto es comparable con la capa de entrada o las entradas de una neurona artificial. Cada dendrita puede realizar una "multiplicación" por el "peso" de esa dendrita, esta cualidad se presenta en ambas neuronas, esta última cualidad se podría comparar con las sinapsis de una neurona biológica, en la Ilustración 20 podemos percibir esta comparativa.
Sinapsis
la sinapsis es la zona en la que se produce la transmisión de los impulsos nerviosos, esta conecta con otras neuronas y permite la receptación del impulso eléctrico que genera la neurona que le precede. En su contraparte artificial esta funciona de manera que, si la entrada equivale a una la salida de otra neurona, o lo que sería lo mismo la dendrita de esta segunda neurona, la sinapsis es la vía por la que esta segunda neurona toma la información y se la envía al cuerpo celular, esta también contiene el parámetro al que denominamos “peso” con el que se realiza la multiplicación anteriormente nombrada.
Soma
El soma, que también puede denominarse pericarion o cuerpo celular, en las neuronas biológicas actúa como la función de suma, en su contraparte informática equivaldría a la función de activación donde por lo general se realiza la sumatoria de las entradas multiplicadas por los pesos de sus dendritas. A medida que las señales positivas y negativas (excitantes e inhibidoras, respectivamente) llegan al soma desde las dendritas, los iones positivos y negativos se agregan efectivamente en la suma, simplemente en virtud de estar mezclados en la solución dentro del cuerpo de la célula.
Axón
El axón obtiene su señal del comportamiento tras ejercerse la operación de suma que ocurre dentro del soma. La apertura del axón muestra esencialmente el potencial eléctrico de la solución dentro del soma. Una vez que el soma alcanza un cierto potencial Umbral, el axón transmitirá un pulso de señal a lo largo de su longitud. En este sentido, el axón se comporta como la capacidad que tenemos de conectar nuestra neurona artificial con otras neuronas artificiales o lo que es lo mismo, la salida de nuestra neurona, que puede conectarse con otras redes o estar vinculada con el “exterior” pudiendo de esta manera obtener la solución final que esta ha determinado.
Ilustración 19: Comparación neurona biológica y artificial (ref.)
Ilustración 20: Neurona artificial detallada (ref.)
En resumen, las neuronas artificiales reciben información por una o más entradas (que representan los potenciales postsinápticos excitadores y los potenciales postsinápticos inhibidores en las dendritas neurales) y estas son multiplicadas por el peso, tras una sumatoria conseguimos una salida (o activación, que representa el potencial de acción de una neurona que se transmite a lo largo de su axón). Por lo general, cada entrada se pondera por separado y la suma se pasa a través de una función no lineal conocida como función de activación o función de transferencia.
Las funciones de transferencia suelen tener una forma sigmoidea, pero también pueden adoptar la forma de otras funciones no lineales, funciones lineales por partes o funciones escalonadas. La función del umbral ha inspirado puertas lógicas de construcción denominadas lógica de umbral; aplicable a la construcción de circuitos lógicos que se asemejan al procesamiento cerebral.
Glosario de terminos:
Pesos
El peso en ciencia de la computación es un símil a la importancia que tiene cierta
característica de la información (en nuestro caso la imagen). Para que podamos
comprender este término mejor lo comparare con los exámenes, en un examen
tenemos la nota que nos dan las distintas preguntas, podríamos decir que, si un
ejercicio vale el 60% de la nota y el otro 40%, es más importante aquel que vale más
para la nota. El peso se suele representar como .
Entrada
Siguiendo el mismo ejemplo las entradas serían las respuestas que el alumno ha
dado para cada una de las preguntas, es decir una serie de inputs que tras ser
procesados junto a los pesos nos devuelve un valor, en el caso de las redes neuronales
se trata de una multiplicación , siendo la respuesta a una pregunta y su importancia.
Umbral
Este es el último término que abordara el ejemplo del examen, tras una sumatoria
de los resultados de cada una de las preguntas (), tendremos el resultado número de
nuestro examen, el umbral es la nota necesaria para superar el examen, si es mayor o
igual que 5 (valor medio) se habrá alcanzado la “nota medía” lo que provocara que la
neurona se active y saque como salida aprobado, en caso de no superar el umbral, en
este caso establecido como 5, el resultado será que no hemos aprobado el examen.
Comments