Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0
Neurona # 20
2d 3d 2d 3d 2d 3d
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0
2d 3d 2d 3d 2d 3d
252
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0 2,0 3,0 4,0 5,0 6,0 4,0 5,0 6,0
2d 3d 2d 3d 2d 3d
Neurona # 26
Neurona # 4
Figura 5.30. Patrón de actividad de las neuronas #4, #20 y #26 de la capa oculta de GRASP. Este perfil se
corresponde con un comportamiento de tipo ’neurona visual’.
En esta Figuras se han mostrado ejemplos de comportamientos dominantemente
motores, dominantemente visuales y dominantemente visuomotores. El resto de
neuronas de las 30 que conforman la capa oculta de la red HYPBF GRASP muestran
comportamientos ‘menos puros’ aunque siempre mas o menos asimilables a los
descritos en esta sección. Es importante señalar que la aparición de esta selectividad o
especificidad en la actividad de las neuronas del modelo GRASP es una propiedad
totalmente emergente del modelo ya que durante las fases de diseño y aprendizaje de
dicho modelo no se ha hecho ninguna referencia o especificación concreta para la
consecución de este tipo de comportamiento de la red. En el apartado de discusión de
este Capítulo abordaremos con más detalle la interpretación y consecuencias de estos
resultados para el desarrollo futuro de nuevos modelos para el aprendizaje y
generación de movimientos de agarre con mayor base neurobiológica.