Modelos de procesamiento de la información en el cerebro aplicados a Sistemas ConexionistasRedes NeuroGliales Artificiales y Deep Learning

Resumen

En el campo de la Inteligencia Artificial, los sistemas conexionistas se han inspirado en las neuronas ya que, según la visión clásica de la Neurociencia, eran las únicas células con capacidad para procesar la información. Descubrimientos recientes de Neurociencia han demostrado que las células gliales tienen un papel clave en el procesamiento de la información en el cerebro. Basándose en estos descubrimientos se han desarrollado las Redes NeuroGliales Artificiales (RNGA) que cuentan con dos tipos de elementos de procesado, neuronas y astrocitos. En esta tesis se ha continuado con esta línea de investigación multidisciplinar que combina la Neurociencia y la Inteligencia Artificial. Para ello, se ha desarrollado un nuevo comportamiento de los astrocitos que actúan sobre la salida de las neuronas en las RNGA. Se ha realizado una comparación con las Redes de Neuronas Artificiales (RNA) en cinco problemas de clasificación y se ha demostrado que el nuevo comportamiento de los astrocitos mejora de manera significativa los resultados. Tras demostrar la capacidad de los astrocitos para procesar la información, en esta tesis se ha desarrollado además una nueva metodología que permite por primera vez la creación de redes Deep Learning conteniendo miles de neuronas y astrocitos, denominadas Deep Neuron-Astrocyte Networks (DANAN). Tras probarlas en un problema de regresión, las DANAN obtienen mejores resultados que las RNA. Esto permitirá evaluar comportamientos más complejos de los astrocitos en las redes de Deep Learning, pudiendo incluso crearse redes de astrocitos en un futuro próximo.