Sistemas Neurales

Lorena Snchez.
Daniel Snchez.
<3

Qu son los sistemas

neurales?
Son modelos matemticos que pueden ser

entrenados para aprender relaciones no

lineales entre un conjunto de datos de
entrada y un conjunto de datos de salida. En
medicina la aplicacin ms comn de estos
modelos, es la clasificacin de patrones con el
propsito de apoyar al mdico en el
diagnstico y tratamiento del paciente. Como
su nombre lo indica pretenden imitar a
pequesima escala la forma de
funcionamiento de las neuronas que forman el
cerebro humano.

Neurona biolgica

Elcuerpode la neurona oSomacontiene elncleo. Se

encarga de todas las actividades metablicas de la
neurona y recibe la informacin de otras neuronas
vecinas a travs de las conexiones sinpticas.
Las dendritas, parten del soma y tienen ramificaciones.
Se encargan de la recepcin de seales de las otras
clulas a travs de conexiones llamadassinpticas. Por
su parte elaxnes la "salida" de la neurona y se utiliza
para enviar impulsos o seales a otras clulas
nerviosas. Cuando el axn est cerca de sus clulas
destino se divide en muchas ramificaciones que forman
sinapsis con el soma o axones de otras clulas. Esta
unin puede ser "inhibidora" o "excitadora" segn el
transmisor que las libere. Cada neurona recibe de
10.000 a 100.000 sinapsis y el axn realiza una
cantidad de conexiones similar.

La transmisin de una seal de una clula a otra por

medio de la sinapsis es un proceso qumico. En l se
liberan substancias transmisoras en el lado del emisor
de la unin. El efecto es elevar o disminuir el potencial
elctrico dentro del cuerpo de la clula receptora.
Si su potencial alcanza el umbral se enva un pulso o
potencial de accin por el axn. Se dice, entonces, que
la clula se dispar. Este pulso alcanza otras neuronas
a travs de las distribuciones de los axones.

Neurona artificial
La

neurona artificial es un dispositivo elctrico que

responde a seales elctricas. La respuesta la produce el
circuito activo o funcin de transferencia que forma parte
del cuerpo de la neurona. Las "dendritas" llevan las
seales elctricas al cuerpo de la misma. Estas seales
provienen de sensores o son salidas de neuronas vecinas.
Las seales por las dendritas pueden ser voltajes
positivos o negativos; los voltajes positivos contribuyen a
la excitacin del cuerpo y los voltajes negativos
contribuyen a inhibir la respuesta de la neurona

HISTORIA
1936 - Alan Turing. Fue el primero en estudiar el cerebro

como una forma de ver el mundo de la computacin. Sin

embargo, los primeros tericos que concibieron los
fundamentos de la computacin neuronal fueron Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico,
quienes, en 1943, lanzaron una teora acerca de la forma de
trabajar de las neuronas. Ellos modelaron una red neuronal
simple mediante circuitos elctricos.
1949 - Donald Hebb. Escribi un importante libro: La
organizacin del comportamiento, en el que se establece una
conexin entre psicologa y fisiologa. Fue el primero en
explicar los procesos del aprendizaje (que es el elemento
bsico de la inteligencia humana) desde un punto de vista
psicolgico, desarrollando una regla de como el aprendizaje
ocurra

1950 - Karl Lashley. En sus series de ensayos,

encontr que la informacin no era almacenada en

forma centralizada en el cerebro sino que era
distribuida encima de l.
1956 - Congreso de Dartmouth. Este Congreso
frecuentemente se menciona para indicar el
nacimiento de la inteligencia artificial.
1957 - Frank Rosenblatt. Comenz el desarrollo
del Perceptrn. Esta es la red neuronal ms antigua;
utilizndose hoy en da para aplicacin como
reconocedor de patrones. Este modelo era capaz de
generalizar, es decir, despus de haber aprendido
una serie de patrones poda reconocer otros
similares, aunque no se le hubiesen presentado
anteriormente.

1960 - Bernard Widrow/Marcial Hoff. Desarrollaron el

modelo Adaline (ADAptative LINear Elements). Esta fue la

primera red neuronal aplicada a un problema real (filtros
adaptativos para eliminar ecos en las lneas telefnicas)
que se ha utilizado comercialmente durante varias
dcadas.
1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal
para simples realizaciones tcnicas (memoria asociativa).
1967 - Stephen Grossberg. A partir de sus
conocimientos fisiolgicos, ha escrito numerosos libros y
desarrollado modelo de redes neuronales. Realiz una
red: Avalancha, que consista en elementos discretos con
actividad que vara en el tiempo que satisface ecuaciones
diferenciales continuas, para resolver actividades como
reconocimiento continuo de habla y aprendizaje de los
brazos de un robot.

1974 - Paul Werbos. Desarroll la idea bsica del

algoritmo de aprendizaje de propagacin hacia atrs

(backpropagation); cuyo significado qued
definitivamente aclarado en 1985.
1977 - Stephen Grossberg. Teora de Resonancia
Adaptada (TRA). La Teora de Resonancia Adaptada es
una arquitectura de red que se diferencia de todas las
dems previamente inventadas. La misma simula
otras habilidades del cerebro: memoria a largo y corto
plazo. 1977 - Teuvo Kohonen. Ingeniero electrnico de
la Universidad de Helsinki, desarroll un modelo
similar al de Anderson, pero independientemente.
1980 - Kunihiko Fukushima. Desarroll un modelo
neuronal para el reconocimiento de patrones visuales.

1985 - John Hopfield. Provoc el renacimiento de

las redes neuronales con su libro: "Computacin

neuronal de decisiones en problemas de
optimizacin."
1986 - David Rumelhart/G. Hinton.
Redescubrieron el algoritmo de aprendizaje de
propagacin hacia atrs (backpropagation). A
partir de 1986, el panorama fue alentador con
respecto a las investigaciones y el desarrollo de las
redes neuronales. En la actualidad, son numerosos
los trabajos que se realizan y publican cada ao,
las aplicaciones nuevas que surgen (sobretodo en
el rea de control) y las empresas que lanzan al
mercado productos nuevos, tanto hardware como
software (sobre todo para simulacin).

Clasificacin
1. Redes monocapa : se establecen conexiones

laterales entre las neuronas que pertenecen a la

nica capa que constituye la red.
2. Redes multicapa : disponen las neuronas
agrupadas en varios niveles. Dado que este tipo de
redes disponen de varias capas.

Por Mecanismo de aprendizaje

Redes con aprendizaje supervisado: Se

caracteriza porque el proceso de aprendizaje se

realiza mediante un entrenamiento controlado
por un agente externo (supervisor, maestro) que
determina la respuesta que debera generar la
red a partir de una entrada determinada.
Redes con aprendizaje no supervisado
No requieren de influencia externa para ajustar
los pesos de las conexiones entre sus neuronas.
La red no recibe ninguna informacin por parte
del entorno que le indique si la salida generada
en respuesta a una determinada entrada es o no
correcta; son capaces de auto-organizarse

Tipo de asociacin entre las

informaciones de entrada y salida
Redes heteroasociativas: La red aprende parejas de datos

[(A1,B1), (A2,B2),....(An,Bn)], de tal forma que cuando se le

presente determinada informacin de entrada Ai responda con la
salida correspondiente Bi.
Redes autoasociativas: La red aprende ciertas informaciones
A1, A2, .., An de forma que cuando se le presenta una informacin
de entrada realizar una autocorrelacin, respondiendo con uno
de los datos almacenados, el ms parecido al de entrada

Representacin de la informacin de entrada y salida

Redes continuas: En un gran nmero de redes,
tanto los datos de entrada como de salida son de
naturaleza analgica en este caso las funciones de
activacin de las neuronas sern tambin continuas,
del tipo lineal o sigmoidal.
Redes discretas: Por el contrario, otras redes slo

admiten valores discretos [0,1] a la entrada,

generando tambin en la salida respuestas de tipo
binario. La funcin de activacin en este caso es del
tipo escaln.
Redes hbridas: La informacin de entrada es
continua pero a la salida ofrecen informacin binaria

APLICACIONES EN MEDICINA

BIBLIOGRAFIA
http

://www.bdigital.unal.edu.co/22791/1/19460-64
062-1-PB.pdf
http://ingenieria.udea.edu.co/investigacion/m
ecatronica/mectronics/redes.htm
http://www.itnuevolaredo.edu.mx/takeyas/Apu
ntes/Inteligencia%20Artificial/Apuntes/tare
as_alumnos/RNA/Redes%20Neuronales2.pdf
http://revistabme.eia.edu.co/numeros/8/a
rt/Estimacion%20de%20velocidad%20del%20m
ovimiento%20de%20mano%20usando%20redes%
0neuronales%20artificiales%20y%20medicio
nes%20electromiograficas.pdf
http://www.fi.uba.ar/es/node/132