En el libro de Donald Hebb en 1949 plantea una teoría
neuropsicológica sobre la primera expresión matemática de la neurona propuesta
por McCulloch y Pitts en 1943, siendo ese el primer modelo de red neuronal.
En 1980 la investigación neurofisiológica se inspiró en
la asamblea celular y el fortalecimiento sináptico postulados por Hebb.
La Asamblea celular es un circuito neuronal activo, es un bucle reverberante
cerrado que tiene descargas en una secuencia fija y las descargas dentro del
bucle cerrado permiten que la activación neuronal persista durante un corto
periodo. En 1949 Hebb afirmó que primero, se propone que una estimulación
repetida de receptores específicos conducirá lentamente a la formación de una “asamblea”
de células del área asociativa que pueden actuar brevemente como sistema
cerrado después de que ha cesado la estimulación; esto prolonga el tiempo
durante el cual pueden ocurrir cambios estructurales en el aprendizaje y
constituye la instancia más sencilla de un proceso de representación.
La suposición es que un proceso de crecimiento que
acompaña a la actividad sináptica hace que la sinapsis se sortee con mayor
facilidad para una relación íntima entre la acción reverberante y los cambios
estructurales de la sinápsis.
El fortalecimiento
sináptico este afirma la fuerza de las
conexiones entre las neuronas aumenta al de grado de correlación entre su
actividad.
Ejemplo: cuando un
axón de la célula A se encuentra cerca para excitar a la célula B y de manera
persistente toma parte de la descarga, sucede el cambio metabólico en una o
ambas células, eficientemente en las dos.
“Una sinapsis que aumenta su efectividad a causa de la
actividad simultánea en las neuronas presináptica y postsináptica se denomina
sinapsis hebbiana.”
Maneras en que se representa el aprendizaje según la
teoría de Hebb:
- Redes neuronales artificiales.
las redes neurales artificiales
son simulaciones computacionales de funciones psicológicas inspiradas en el
conocimiento del funcionamiento del cerebro real, en especial del
funcionamiento de las neuronas reales, las redes neurales se utilizan para una
amplia variedad de funciones como por
ejemplo ; comprender el funcionamiento del cerebro biológico, el reconocimiento facial, la predicción del
movimiento del mercado bursátil y el modelamiento de la dinámica de motores.
las redes neurales modernas contienen un número de
características particulares:
a)Procesamiento local en neuronas artificiales, elementos
de procesamiento.
b) Procesamiento masivo en paralelo que consiste de ricas
conexiones.
c) Capacidad de aprender
de la experiencia a través del entrenamiento.
d) Almacenamiento
del conocimiento en la forma de memorias.
-
- - Reglas de aprendizaje:
- Regla de Hopfi eld. Afirmá si la salida deseada y la entrada, ambas, están activas o inactivas, aumenta el peso de la conexión según la tasa de aprendizaje, de lo contrario, disminuye el peso según la tasa de aprendizaje.
- Regla Delta. Esta regla continuamente cambia las fuerzas de las conexiones de entrada para reducir la diferencia (delta) entre el valor de salida deseado y la salida real de la neurona.
- Regla de Kohonen. En este sistema, las neuronas compiten por la oportunidad de aprender o de actualizar sus pesos.
No hay comentarios.:
Publicar un comentario