2 Fundamentos y Conceptos Básicos

Warren McCulloch y Walter Pitts pueden ser considerados como los padres de las Redes de Neuronas Artificiales, ya que fueron los primeros en diseñar una neurona artificial. En los años 40 suponían que las neuronas biológicas eran de carácter binario, lo cual resulta ser bastante inexacto, pero sirvió de base para posteriores estudios sobre el sistema nervioso.

Así, McCulloch y Pitts proponen el modelo de neurona que lleva su nombre, el cual es un dispositivo binario con un umbral fijo que hay que superar para que cambie de estado. Recibe sinapsis excitadoras de otros elementos, los cuales tienen la característica de ser del mismo valor. Puede recibir sinapsis inhibidoras que son de acción total, lo cual supone que la recepción de una impide el cambio de estado del elemento, sin importar la cantidad de sinapsis excitadoras que hubiese.

La neurona artificial o elemento formal está conceptualmente inspirada en la neurona biológica. Esto es, los investigadores están en su inmensa mayoría pensando en la organización cerebral cuando consideran configuraciones y algoritmos de Redes de Neuronas.

Se va a considerar una neurona como un elemento formal o módulo o unidad básica de la red que recibe información de otros módulos o del entorno; la integra, la computa y emite una única salida que se va a transmitir idéntica a múltiples neuronas posteriores [24].

Considérese a los pesos sinápticos como referencia a la noción biológica de la fuerza de unión entre los elementos; es decir, a la fuerza de la sinapsis. Se considera que una sinapsis es fuerte; es decir, tiene un alto grado de conexión, cuando la información que transmite contribuye, en gran medida, a un nuevo estado o a la alteración que se produzca en la neurona receptora y, por tanto, en la respuesta que ésta elabora.

En una red de neuronas existe un peso o fuerza sináptica que va a ser un valor numérico que pondera las señales que se reciben por sus entradas. Este peso será un valor que determina la fuerza de conexión entre 2 neuronas. Cuando se evalúa una neurona se debe calcular el conjunto de todas las fuerzas o valores (denominado NET) que se reciben por sus entradas. Una vez calculado el valor conjunto de todas las entradas se aplica una función de activación (FA) que determinará el valor del estado interno de la neurona y que será lo que se transmita a su salida.

La combinación de las señales que recibe una neurona se puede calcular como muestra en la ecuacion 1:

$$NET_i(t) = \sum_{j=1}^{N-1}{[W_{ij} \cdot{} O_j \cdot{} (t-1)]}$$ (1)

dónde Wij representa el peso de la conexión entre una neurona emisora j y neurona receptora i.

Figura 2: Neurona Artificial

La función de activación y la función de transferencia son las encargadas de definir el nuevo estado de activación Ai y la respuesta Oi de la neurona. Tanto el estado de activación como la salida de la neurona van a variar en función de las entradas que recibe en un determinado momento y del estado de activación previo que tenga esa neurona (ver figura 2).