Marcos Barraza Urquidi
Marcos Barraza Urquidi
  • Grey Facebook Icon
  • Grey Twitter Icon
  • Grey Pinterest Icon
  • Grey Instagram Icon
  • Grey Snapchat Icon

© 2017 by Marcos Barraza with Wix.com

Esas alegres neuronas XXII ( Perceptrons)

October 23, 2017

 

Esas alegres neuronas XXII

Perceptrons

Marcos Barraza Urquidi

-¡Vamos a la fiesta, compadre¡-

-Estoy muy cansado y ya me puse pijama-

-Va a haber comida y bebida-

-Está muy lejos y luego no hay camión de regreso-

-Va a ir Lupita-

-¿De veras?-

 -Claro, la vi ayer y me dijo-

-Pues vámonos-

Como vemos aquí el compadre tenía cuatro razones para no ir, estaba cansado, ya traía pijama, el lugar le parecía lejos y no había transporte de regreso.

Le dieron dos razones para ir, había comida y bebida, estas razones no fueron suficiente para convencerlo, pero al agregar una tercera cambia su respuesta, las ventajas ahora eran mayores que las desventajas, si las contamos pensaríamos que 3 ventajas no debían superar a 4 desventajas pero al inclinar la balanza debemos de entender que el peso de las ventajas era mayor que las desventajas.

Pero todo esto que tiene que ver con las neuronas.

Cuando nuestro maestro nos dice que el cerebro piensa con las neuronas muchos nos podemos quedar con esa respuesta, ya sabemos como trabaja el cerebro, con neuronas.

Pero otros preguntarán ¿Como trabajan las neuronas? Y la respuesta será, bueno forman redes conectando axones con dendritas, llega un estimulo a una dendrita y esta se puede disparar generando una señal por su axón que a su vez excita a otra neurona y así sucesivamente ahí puede quedar todo.

 Pero no faltará el que diga ¿Y que significa que se conecten?

Hasta hace algunas décadas si el maestro de biología contestaba esta pregunta casi seguro caía en la filosofía, Teología, metafísica o ciencias ocultas porque la verdad era que no se sabía a ciencia cierta.

Por los años sesenta un tipo llamado Frank Rosenblatt se le  ocurrió hacer un aparatito electrónico que aprendía y le llamó pomposamente Perceptron, ¿Porqué Perceptron pudiéndole haber llamado Neuroncito o algo mas fácil? Quizás para impresionar a su novia o vender muchos libros sobre los mecanismos del cerebro.

Aunque ya es superado este modelo sirvió mucho para modelar el cerebro y apoyar a la inteligencia artificial, vamos a ver el caso del compadre y probarlo en un perceptron.

Tenemos una neurona con varias dendritas y un axón, en las dendritas o entrada ponemos las razones buenas y malas para ir a la fiesta y en la salida la respuesta binaria voy o no voy, sin términos medios.

Vamos a poner en cada entrada una razon y la vamos a representar por x *w, equis nos dirá si está presenta la razón y su valor podrá ser 1 o 0, está o no está y en w el peso de la razón.

Por otro lado vamos a establecer el umbral de decisión b, esto es el peso de las razones suficientes para que la respuesta sea “Si” esto es que la salida sea 1.

Si la suma de las razones es mayor que el umbral, como dicen en mi pueblo, es que ya le llegamos al precio.

A está cansado le ponemos un -2, negativo porque es una razón para no ir, al tener la pijama le ponemos un  -1, la comida que se va a dar le ponemos 2, positivo porque es a favor de que vaya, la bebida otro 2, luego aparecen “El está muy lejos” para atrás los filders tenemos un -2 y “no hay camión de regreso” un -4,

Vamos a ver como va la puntuación. “Está cansado” es cierto es 1 con un peso de -2 multiplicamos 1* -2 y tenemos -2 hacemos lo mismo con los demás y tenemos 1*-2+1* -2 + 1*2+1*2+1*-2+1* -4 hasta este momento llevamos – 6 puntos y dado su estado anímico anda en un umbral de 4 necesitamos mas de 10 puntos para superar el no y que salte de la cama el compadre, se bañe y tome el camión con su amigo para ir a la fiesta, bien pues viene el argumento de que va ir la Lupita y se supera el umbral, luego el peso de Lupita debe ser mayor a  10.

Si en la fiesta le gustó la comida y bebida pero sobre todo conquistó a Lupita la próxima vez el peso de Lupita será aún mas determinante, pero si no pasó nada con ella y el regreso fue terrible a lo mejor la carga negativa del regreso hará que en la próxima cambie la decisión.

Si este perceptor lo pasa a un modelo matemático y hace un programa en computadora, esta podrá evaluar la decisión del compadre y si guarda los pesos en memoria y los actualiza en base a los resultados de la fiesta, la próxima vez que se use su predicción será mejor, esto es el perceptor está aprendiendo.

Si este perceptor lo conecta con otro y el otro con otro mas y así sucesivamente tendrá una red de perceptores que hagan cosas complejas y lo mas importante que aprendan, que tengan inteligencia, artificial por supuesto.     

 

 

Share on Facebook
Share on Twitter
Please reload

August 20, 2018

April 30, 2018

Please reload

JOIN MY MAILING LIST
RECENT POST
This site was designed with the
.com
website builder. Create your website today.
Start Now