Resumen

Los sistemas neuronales P no lineales (sistemas NSNP) son nuevos tipos de modelos de computación, en los que el estado de las neuronas está representado por números reales, y las reglas de pico no lineales manejan el disparo de las neuronas. En este trabajo, con el fin de mejorar el rendimiento de la computación, se introducen los pesos y los retrasos en el sistema NSNP, y se proponen sistemas neuronales P no lineales de pico con retrasos y pesos en las sinapsis (NSNP-DW). Los pesos se tratan como constantes multiplicativas por las que se incrementa el número de espigas al transitar por las sinapsis, y los retardos tienen en cuenta la velocidad a la que las sinapsis entre neuronas transmiten la información. Como modelo de computación paralela distribuida, se demuestra la universalidad de Turing del sistema NSNP-DW como dispositivos de generación y aceptación de números. 47 y 43 neuronas son suficientes para construir dos pequeños sistemas universales NSNP-DW. En este trabajo también se presenta el sistema NSNP-DW que resuelve el problema de la suma de subconjuntos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:sistema dw, sistema nsnp, sinapsis, peso, estado de las neuronas, neuronas, reglas de spiking no lineales, retraso, tipo de computación, nsnp universal pequeño
• Keywords:dw system, nsnp system, synapsis, weight, state of neurons, neurons, nonlinear spiking rules, delay, type of computation, small universal nsnp