Resumen

Las neuronas spiking son modelos diseñados para simular, de forma realista, el comportamiento de las neuronas biológicas. Recientemente, se ha demostrado que este tipo de neuronas puede aplicarse para resolver problemas de reconocimiento de patrones con gran eficacia. Sin embargo, la falta de estrategias de aprendizaje para el entrenamiento de estos modelos no permite utilizarlos en diversos problemas de reconocimiento de patrones. Por otro lado, en los últimos años se han propuesto varios algoritmos bioinspirados para la resolución de un amplio abanico de problemas de optimización, incluyendo los relacionados con el campo de las redes neuronales artificiales (RNA). La colonia artificial de abejas (ABC) es un novedoso algoritmo basado en el comportamiento de las abejas en la tarea de explorar su entorno para encontrar una fuente de alimento. En este trabajo, describimos cómo el algoritmo ABC puede ser utilizado como estrategia de aprendizaje para entrenar una neurona con pico, con el objetivo de resolver problemas de reconocimiento de patrones. Finalmente, el enfoque propuesto se pone a prueba en varios problemas de reconocimiento de patrones. Es importante resaltar que para realizar la potencia de este tipo de modelo sólo se utilizará una neurona. Además, analizamos cómo se mejora el rendimiento de estos modelos utilizando este tipo de estrategia de aprendizaje.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:problema de reconocimiento de patrones, neuronas con espigas, rango de optimización, tipo de modelo, reconocimiento de patrones varios, estrategia, red neuronal artificial, comportamiento de la abeja, algoritmo bioinspirado varios
• Keywords:pattern recognition problem, spiking neurons, range of optimization, type of model, several pattern recognition, strategy, artificial neural network, behavior of bee, several bioinspired algorithm, model