El grupo de investigación en Ingeniería Electrónica de la UIB desarrolla un modelo neuronal probabilístico que proporciona una explicación alternativa a la gran velocidad de procesamiento del cerebro humano
Un equipo de investigadores del grupo de investigación en Ingeniería Electrónica (GEE) de la Universidad de las Illes Balears ha desarrollado un modelo neuronal probabilístico de procesamiento de datos que es capaz de explicar la gran velocidad del cerebro a la hora de reconocer patrones, a la vez que utilizaría una conectividad mucho más sencilla y un aprendizaje simple del tipo Hebbiano. Los investigadores del GEE han adaptado este modelo a la tecnología digital actual, y han obtenido velocidades de operación que superan sensiblemente la lógica digital tradicional. Este trabajo se ha publicado en la prestigiosa revista International Journal of Neural Systems.
El reconocimiento de patrones es un proceso cerebral fundamental que consiste en una reacción a un estímulo externo cuando éste es considerado relevante por el cerebro. Otros investigadores, en diferentes estudios relacionados con el análisis del patrón visual y la clasificación de patrones hechos con monos, han fijado el tiempo de respuesta del cerebro entre 20 y 30 milésimas de segundo. Este hecho ha dado lugar a estudios en los que se propone que las neuronas utilizan una codificación puramente temporal para explicar dicha rapidez. Ahora bien, según los investigadores de la UIB, el principal inconveniente de estos tipos de modelos neuronales es la alta precisión espaciotemporal que sería necesaria en las conexiones establecidas entre neuronas, que, además, exigiría tener asociado un proceso de aprendizaje fisiológicamente complejo.
Para superar estas limitaciones, los miembros del GEE proponen un sistema de procesamiento de información de naturaleza probabilística en el que el alto grado de exactitud de las metodologías de computación clásicas se sacrificaría a cambio de un mayor paralelismo, una mayor rapidez y un menor gasto energético. Estas características hacen que el sistema diseñado en la UIB pueda ser muy útil en aplicaciones en las que la exactitud no es tan importante como la rapidez, como el reconocimiento de determinados patrones dentro de grandes bases de datos.
Referencia bibliográfica:
Rosselló, J. L., Canals, V., Oliver, A., Morro, A. «Studying the role of synchronized and chaotic spiking neural ensembles in neural information processing» International Journal of Neural Systems. Agosto de 2014, Vol. 24, nº. 5, pág. 1- 11. DOI: 10.1142/S0129065714300034
Fecha de publicación: 19/12/2014