Estructuras Competitivas
Indice
Mecanimos que favorecen la autoorganización

Mapas Topológicas Autoorganizativos


MAPAS CEREBRALES

La representación económica de la información es uno de los problemas centrales de las ciencias de la información. El cerebro humano posee la capacidad y la habilidad para operar con grandes conjuntos de datos. Es capaz de obtener representaciones reducidas de hechos relevantes sin que ello implique pérdida de información en los datos y sus relaciones. “El supuesto del procesado inteligente de información puede ser visto como la creación de imágenes simplificadas del mundo real con diferentes niveles de abstacción, en relación a un subconjunto particular de datos observables” [kohonen].

Es conocido que varias áreas del cerebro, especialmente de la corteza cerebral, están organizadas de acuerdo a diferentes modalidades sensoriales.

Experimentos más recientes han revelado una estructura-fina en muchas áreas. Por ejemplo: las señales de respuesta en áreas como la visual, son obtenidas en el mismo orden topográfico sobre la corteza que éstas fueron recibidas en los órganos sensoriales.

La posibilidad de que la representación del conocimiento en una categoría particular pueda asumir la forma de un mapa de características y en cierto sentido organizado geométricamente sobre la corteza del cerebro, ha motivado una serie de investigaciones que han dado lugar a nuevos modelos de redes neuronales artificiales.

Algunas investigaciones han revelado que ciertas capas de neuronas tienen la habilidad de cambiar sus respuestas de tal modo que la localización de la neurona en la red donde la respuesta es obtenida especifica una cierta característica del conjunto de patrones de entrada. Esta especificación ocurre en el mismo orden topológico que describe la relación de similaridad entre los patrones de entrada.

Las neuronas o unidades no se mueven, es el conjunto de sus parámetros internos quienes definen su especificidad. Las redes son normalmente bidimensionales: Existe un mapeado que es capaz de preservar las relaciones topológicas mientras se consigue una reducción de dimensionalidad del espacio de entradas

MAPAS AUTO-ORGANIZATIVOS

Estructura formada por dos capas.
Las neuronas en la capa de salida se ordenan en espacios n-dimensionales.
Los pesos de las unidades de salida se adaptan de forma que el orden presente en el espacio de entradas persiste en la salida.

La idea del algoritmo de aprendizaje consiste en organizar los PEs en el espacio de salida, en regiones (locales) que actuarán como clasificadores de los datos de entrada.

El mapa topográfico es organizado de manera autónoma mediante un proceso cíclico de comparación de patrones de entrada (entrenamiento) y vectores de pesos.


M. González Penedo