Diseño de redes neuronales artificiales en neurociencias

  1. Porras Chavarino, Carmen
  2. Salinas Martínez de Lecea, José María
Revista:
Psicothema

ISSN: 0214-9915

Año de publicación: 2011

Volumen: 23

Número: 4

Páginas: 738-744

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Psicothema

Resumen

Este artículo prueba la utilidad de los modelos de redes neuronales artifi ciales para confi rmar relaciones entre cambios fi siológicos y cognitivos. Concretamente, se exploran las consecuencias que las difi cultades de neurotransmisión, característica del envejecimiento cerebral, suponen en la respuesta de ancianos en tareas de reconocimiento. Así, la red diseñada es capaz de reconocer patrones aprendidos y cuando se manipula el umbral de activación de algunas unidades del dispositivo se reproducen los resultados experimentales de los ancianos en tareas de reconocimiento. Sin embargo, las aportaciones más novedosas corresponden al diseño y funcionamiento de la red inspirados en rasgos biológicos del sistema nervioso, así como en la codifi cación de la información, basada en los sistemas sensoriales, y el proceso de ortogonalización que tiene lugar cuando se transmite la información a unidades ocultas del dispositivo

Referencias bibliográficas

  • Amit, D.J., Gutfreund, H., y Sompolinsky, H. (1987). Information storage in neural networks with low levels of activity. Physical Review A, 35, 2293-2303.
  • Bäckman, L., y Farde, L. (2001). Dopamine and cognitive functioning: Brain imaging findings in Huntington's disease and normal aging. Scandinavian Journal of Psychology, 42, 287-296.
  • Bäckman, L., Ginovart, N., Dixon, R.A., Wahlin, T-B.R., Wahlin, A., Halldin, C., y Farde, L. (2000). Age-related cognitive deficits mediated by changes in the striatal dopamine system. The American Journal of Psychiatry, 157, 635-637.
  • Bäckman, L., Small, B.J., Wahlin, A., y Larsson, M. (2000). Cognitive functioning in very old age. En F.I.M. Craik y T.A. Salthouse (Eds.), The handbook of aging and cognition (2nd ed., pp. 499-558). Mahwah, NJ: Erlbaum.
  • Bakouie, F., Zendehrouh, S., y Gharibzadeh, S. (2009). Does a kind of over-fitting ocurr in the brain of autistic patients? The Journal of Neuropsychiatry and Clinical Neurosciences, 21(3), 343.
  • Ballard, D.H. (1987). Interpolation coding: A representation for numbers in neural models. Biological Cybernetics, 19, 63-71.
  • Bartlett, J.C., y Fulton, A. (1991). Familiarity and recognition of faces in old age. Memory and Congnition, 19, 229-238.
  • Buchler, N.E.G., y Reder, L.M. (2007). Modeling age-related memory defi- cits: A two-parmeter solution. Psychology and Aging, 22(1), 104-121.
  • Carpenter, G.A. (1989). Neural network models for pattern recognition and associative memory. Neural Networks, 2, 243-257.
  • Carlson, N.R. (2006). Fisiología de la conducta (8a edición). Madrid: Pearson Educacion.
  • Chapell, M., y Humphreys, M.S. (1994). An auto-associative neural network for sparse representations: Analysis and application to models of recognition and cued recall. Psychological Review, 101(1), 103-128.
  • Craik, F.I.M. (2000). Age-related changes in human memory. En D.C. Park y N. Schwarz (Eds.), Cognitive aging: A primer (pp. 75-92). Philadelphia: Psychology Press.
  • Craik, F.I.M., y Jennings, J.M. (1992). Human memory. En F.I.M. Craik y T.A. Salthouse (Eds.), The handbook of aging and cognition (pp. 51-110). New Jersey: LEA.
  • Dehaene, S., y Cohen, L. (1995). Towards an anatomical and functional model of number processing. Mathematical Cognition, 1(1), 83-120.
  • Gordon-Salant, S., y Fitzgibbons, P.J. (1995). Recognition of multiply degraded speech by young and elderly listeners. Journal of Speech and Hearing Research, 38, 1150-1156.
  • Light, L.L. (1991). Memory and aging: Four hypotheses in search of data. Annual Review of Psychology, 42, 333-376.
  • McCulloch, W.S., y Pitts, W.H. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin Mathematican Biophys, 5, 115-133.
  • Mireles, D.E., y Charness, N. (2002). Computational explorations of the influence of structured knowledge on age-related cognitive decline. Psychology and Aging, 17(2), 245-259.
  • Morris, R.G.M. (1989). Computational neuroscience: Modelling the brain. En R.G.M. Morris (Ed.), Parallel distributed processing. Implications for Psychology and Neurobiology (pp. 203-213). Oxford University Press.
  • Moss, H.E., Hare, M.L., Day, P., y Tyler, L.K. (1994). A distributed memory model of the associative boost in semantic priming. Connection Science, 6(4), 413-427.
  • Murphy, D.R., Craik, F.I.M., Li, K.Z.H., y Schneider, B.A. (2000). Comparing the effects of aging and background noise on short-term memory performance. Psychology and Aging, 15(2), 323-334.
  • Noël, M. (2001). Numerical cognition. En B. Rapp (Ed.), The handbook of cognitive neuropsychology. What deficits reveal about the human mind (pp. 485-518). Philadelphia: Psichology Press.
  • Old, S.R., y Naveh-Benjamin, M. (2008). Differential effects of age on item and associative measures of memory: A meta-analysis. Psychology and Aging, 23(1), 104-118.
  • Pitarke, A., Algarabel, S., y Aznar-Casanova, J.A. (2007). Familiaridad y recuerdo en el reconocimiento de rostros ficticios: implicaciones para los modelos de reconocimiento. Psicothema, 19(4), 565-571.
  • Plaut, D., y Shallice, T. (1993). Deep dyslexia: A case study of connectionist neuropsychology. Cognitive Neuropsychology, 10, 377-500.
  • Prull, M.W., Gabrieli, J.D.E., y Bunge, S.A. (2000). Age-related changes in memory: A cognitive neuroscience perspective. En F.I.M. Craik y T.A. Salthouse (Eds.), The handbook of aging and cognition (2nd ed., pp. 91-153). Mahwah, N.J.: Erlbaum.
  • Quilis, A. (1988). Fonética acústica de la lengua española. Madrid: Gredos.
  • Quilis, A., y Fernández, J.A. (1979). Curso de fonética y fonología españolas. Madrid: CSIC.
  • Reggia, J.A., Ruppin, E., y Berndt, R.S. (2000). Neural and connectionist models in neuropsychology. En F. Boller, J. Grafman y G. Rizzolatti (Eds.), Handbook of neuropsychology (vol. 1) (pp. 269-303). Amsterdam: Elsevier.
  • Rolls, E.T. (2000). Memory systems in the brain. Annual Review of Psychology, 51, 599-630.
  • Rumelhart, D.E., y McClelland, J.L. (Eds.) (1986). Parallel distrubuted processing: Exploration in the microstructure of cognition (vols. 1-2). Cambridge: MIT.
  • Simón, T., Ruiz, T., y Suengas, A. (2009). Memoria y envejecimiento: recuerdo, reconocimiento y sesgo positivo. Psicothema, 21(3), 409-415.
  • Teipel, S.J., Gringerg, L.T., Hampel, H., y Heinsen, H. (2009). Cholinergic system imaging in the healthy aging process and Alzheimer disease. En P.R. Hof y C.V. Mobbs (Eds.), Handbook of the neuroscience of aging (pp. 119-130). Amsterdam: Elsevier.
  • Zacks, R.T., Hasher, L., y Li, K.Z.H. (2000). Human memory. En F.I.M. Craik y T.A. Salthouse (Eds.), The handbook of aging and cognition (2nd ed., pp. 293-357). Mahwah, N.J.: Erlbaum.
Fuente de los datos: Dialnet