Introducción

Características

Diferencias
conexionismo-cognitivismo

Elementos
de la estructura conexionista

Mecanismos
procesamiento conexionista

Historia

Modelos de redes neuronales

Redes para explicar el cerebro

Bibliografía

ÍNDICE GENERAL

 

LA PSICOLOGÍA CONTEMPORÁNEA

INTRODUCCIÓN A LA PSICOLOGÍA

VOCABULARIO DE PSICOLOGÍA

TORRE DE BABEL EDICIONES
 
 

CONEXIONISMO

VII. ELEMENTOS DE LAS ARQUITECTURAS CONEXIONISTAS (1)

 

 
 
 

 


 

VII.1. CONCEPTOS Y ELEMENTOS DE LA ESTRUCTURA CONEXIONISTA

VII.1.1. Las unidades

VII.1.2. Las conexiones entre las unidades (las sinapsis)

VII.1.3. Peso sináptico

VII.1.4. El patrón de conexión

Google
 

 

 

 

      En las redes conexionistas es preciso distinguir dos tipos de elementos: los relativos a su estructura y los relativos a sus mecanismos de procesamiento:

 

 

 

Conceptos y elementos de la estructura conexionista

Conceptos y mecanismos básicos para el procesamiento en las redes conexionistas

 
 

Las unidades

La entrada (input) total

 
 

 

La regla de propagación

 
 

Las conexiones entre las unidades
(las sinapsis)
 

El estado de activación

 
 

 

La regla o función de activación

 
 

El peso sináptico

La salida (output) de las unidades

 
 

 

La función de transferencia

 
 

El patrón de conexión

Reglas de aprendizaje

 
       

     


 

VII.1. CONCEPTOS Y ELEMENTOS DE LA ESTRUCTURA CONEXIONISTA

 

VII.1.1. Las unidades

          Los elementos básicos de procesamiento de la información en el cerebro son las neuronas;  dado que los modelos conexionistas son modelos de inspiración biológica, a las unidades básicas encargadas del procesamiento en las redes conexionistas se las llama habitualmente neuronas, aunque también podemos encontrar en la literatura los términos “células”, “unidades”, “neuronas artificiales”, “nodos”, elementos de procesamiento (PEs) o, simplemente,  “elementos”. La función de estas unidades tiene que ver esencialmente con el la recepción y tratamiento de la información: recibir información a partir de las conexiones que mantienen con otras neuronas, elaborar o transformar la información recibida y emitir información de salida hacia otras neuronas.

 

          Existen tres tipos de unidades:

1. Unidades de entrada: les corresponde este nombre por recibir información de fuentes externas a la propia red. Si la red dispone de sensores (por ejemplo, un scanner), la información externa es información sensorial; si la red está conectada con otras redes, las unidades de entrada reciben datos de las salidas de las otras redes; en otros casos, simplemente, las unidades de entrada reciben los datos que el usuario de la red introduce manualmente en el ordenador.

2. Unidades de salida: ofrecen las señales o información al exterior de la red; dan la respuesta del sistema. Si la red dispone de conexiones con sistemas motores (robots, por ejemplo) su respuesta será la intervención en el mundo físico; si la red está conectada con otras redes, su respuesta serán datos de entrada para éstas últimas redes; y si, simplemente, son redes que utilizamos en nuestro ordenador, las unidades de salida ofrece datos al usuario para su posterior tratamiento.

3. Unidades ocultas: aunque no todas las redes poseen este tipo de unidades, las redes mínimamente sofisticadas las incluyen. Estas unidades no tienen una relación directa ni con la información de entrada ni con la de salida, por lo que no son “visibles” al ambiente exterior a la red, de ahí su nombre. Su función es procesar la información en niveles más complejos, favorecer cómputos más eficaces.

 

          La información que puede recibir una red, la que puede ser almacenada y la que puede emitir, está determinada en gran medida por lo que se llama el abanico de entrada (fan-in) y el abanico de salida (fan-out). El abanico de entrada es el número de elementos que excitan o inhiben una unidad dada. El abanico de salida de una unidad es el número de unidades que son afectadas directamente por dicha unidad.

          Se llama capa o nivel o estrato al conjunto de neuronas que reciben información de la misma fuente (información externa, otra capa de neuronas) y ofrecen información al mismo destino (al usuario, a sistemas motores, a otra capa de neuronas).

 

 

Volver al índice

VII. 1.2. Las conexiones entre unidades (las sinapsis)

 

          Las sinapsis son las conexiones entre las neuronas. En la mayor parte de redes las sinapsis son unidireccionales: la neurona j transmite información a la neurona i y la neurona i la recibe, y nunca ocurre lo contrario. Sin embargo, en redes como las de Hopfield las sinapsis son bidireccionales.

 

          Tipos de sinapsis:

a) sinapsis inhibidora: en este tipo de conexión el impulso transmitido por una neurona inhibe la activación de la neurona con la que está conectada: si la neurona j le transmite a la neurona i un impulso que inhibe a ésta, el nivel de activación de la neurona i decrecerá, y decrecerá en función del peso establecido para dicha conexión y de la cantidad de información que se transmite por dicha sinapsis. Se suele representar la sinapsis inhibidora mediante puntos negros;

b) sinapsis excitadora: en este tipo de conexión el impulso transmitido por una neurona excita la activación de la neurona con la que está conectada: si la neurona j está conectada mediante una sinapsis excitadora con la neurona i, el nivel de activación de la unidad i aumentará si le llega información por dicha conexión desde la neurona j, y lo hará en función del peso de la conexión y de la magnitud de la señal o información que por dicha conexión se le envía. Se suele representar este tipo de conexión mediante puntos huecos.   

Volver al índice


VII.1.3. Peso sináptico

          O peso de la conexión. Es uno de los conceptos más importantes en las redes, y ello por varias razones: en primer lugar porque los cómputos de la red tienen que ver esencialmente con ellos; en segundo lugar, y concretando la afirmación anterior, porque los cálculos que el sistema realiza a partir de la información de entrada para dar lugar a la información de salida se basan en dichos pesos; y, en tercer lugar, porque en cierto modo (como veremos) son el análogo a las representaciones de los objetos en los modelos cognitivos tradicionales. Una sinapsis es fuerte, o tiene un gran peso de conexión, si la información por ella recibida contribuye en gran medida en el nuevo estado que se produzca en la neurona receptora, y es débil en caso contrario. Los pesos sinápticos son valores numéricos, se expresan en términos numéricos sencillos (generalmente números enteros o fraccionarios negativos o positivos) con los que “se ponderan” las señales que reciben por dicha sinapsis. En la literatura sobre redes encontramos ligeras variantes en la notación utilizada para

 representar el peso sináptico de una conexión entre la neurona j y la neurona i, donde la neurona i recibe la información que la neurona j emite: por ejemplo, Wij (del inglés Weight, peso), pero también wij y wij.

          Dado que en ocasiones es importante representar mediante un vector la totalidad de los pesos correspondientes a las conexiones de varias neuronas con una salida, y que se reserva para dicho vector correspondiente al peso la “W” mayúscula, cuando nos referimos al peso correspondiente a una conexión parece más adecuado utilizar la “w” minúscula. 

Volver al índice


VII.1.4. El patrón de conexión

          En los modelos conexionistas el conocimiento que la red alcanza a partir del aprendizaje se representa mediante el patrón de conexión, patrón que determinará, por lo tanto, el modo de procesamiento de las señales y la respuesta del sistema ante cualquier entrada.

          En los modelos más simples la entrada total correspondiente a cada unidad depende esencialmente de los valores de entrada y de los pesos que ponderan el modo en que dichos valores colaboran en la entrada total. Por ello en estos modelos el patrón de conexión es simplemente el conjunto de pesos correspondientes a cada una de las conexiones de la red; los pesos positivos indicarán entradas excitatorias y los negativos entradas inhibitorias. Para representar el patrón de conexión se utiliza una matriz de pesos W, en donde cada uno de los elementos de la matriz (representado como wij) indica el peso correspondiente a la conexión de la unidad j y la unidad i. El número correspondiente a w representa la intensidad o fuerza de la conexión, y el signo (+ o –) indica si la unidad j excita a la unidad i (la conexión es excitatoria) o si la unidad j inhibe a la unidad i (la conexión es inhibitoria). Si el número correspondiente a w es 0 se quiere indicar que la unidad j no está conectada a la unidad i.

 

          Veamos un ejemplo:

valores de los pesos
w
i1: -0.5          wj1: 1

wi2: 0.3            wj2: 0.2

wi3: -1            wj3: 0

wi4: 0.6            wj4: -0.3

 

 

la matriz correspondiente al patrón de conexión
(matriz de los pesos W ) será

o, utilizando otra forma de representación:

 

 

ui

uj

u1

-0.5

1

u2

0.3

0.2

u3

-1

0

u4

0.6

-0.3

 

 

 



 

 

TORRE DE BABEL EDICIONES

Portal de Filosofía y Psicología en Internet

UNED-CURSO DE ACCESO



Materiales de apoyo para las asignaturas "Filosofía", "Introducción a la Filosofía" e "Introducción a la Psicología"

VOCABULARIO DE PSICOLOGÍA

Explicación de los principales conceptos, tesis y escuelas en el área de la Psicología

CONEXIONISMO

Introducción a este nuevo enfoque de psicología cognitiva

HISTORIA DE LA FILOSOFÍA

Explicación de la filosofía de los principales pensadores, resúmenes, ejercicios...

DICCIONARIO DE FILOSOFÍA

Breve definición de los términos y conceptos filosóficos más importantes en la Historia de la Filosofía Occidental

RAZÓN VITAL

Foro telemático dedicado a José Ortega y Gasset

En la red y en español

 Directorio y breve descripción de revistas de filosofía en español editadas en la red