Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares

Abstract

Se intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.