Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ... Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre Neurona # 1 Neurona # 9 Actividad Neuronal A ctividad N euronal 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,9 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 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 Figura 5.29. Patrón de actividad de las neuronas #1 y #9 de la capa oculta de GRASP. Este perfil se corresponde con un comportamiento de tipo ’neurona motora’. 251
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.
- Page 203 and 204: Capitulo 4. Modelo Neuronal para la
- Page 205 and 206: Capitulo 4. Modelo Neuronal para la
- Page 207 and 208: Capitulo 4. Modelo Neuronal para la
- Page 209 and 210: Capitulo 4. Modelo Neuronal para la
- Page 211 and 212: Capitulo 5. Modelo Neuronal para el
- Page 213 and 214: Capitulo 5. Modelo Neuronal para el
- Page 215 and 216: Capitulo 5. Modelo Neuronal para el
- Page 217 and 218: Capitulo 5. Modelo Neuronal para el
- Page 219 and 220: Capitulo 5. Modelo Neuronal para el
- Page 221 and 222: Capitulo 5. Modelo Neuronal para el
- Page 223 and 224: Capitulo 5. Modelo Neuronal para el
- Page 225 and 226: Capitulo 5. Modelo Neuronal para el
- Page 227 and 228: Capitulo 5. Modelo Neuronal para el
- Page 229 and 230: Capitulo 5. Modelo Neuronal para el
- Page 231 and 232: Capitulo 5. Modelo Neuronal para el
- Page 233 and 234: Capitulo 5. Modelo Neuronal para el
- Page 235 and 236: Capitulo 5. Modelo Neuronal para el
- Page 237 and 238: Capitulo 5. Modelo Neuronal para el
- Page 239 and 240: Capitulo 5. Modelo Neuronal para el
- Page 241 and 242: Capitulo 5. Modelo Neuronal para el
- Page 243 and 244: Capitulo 5. Modelo Neuronal para el
- Page 245 and 246: Capitulo 5. Modelo Neuronal para el
- Page 247 and 248: Capitulo 5. Modelo Neuronal para el
- Page 249 and 250: 2.5 cm 3.0 cm 3.5 cm 2 cm Capitulo
- Page 251 and 252: Capitulo 5. Modelo Neuronal para el
- Page 253: Capitulo 5. Modelo Neuronal para el
- Page 257 and 258: Capitulo 5. Modelo Neuronal para el
- Page 259 and 260: Capitulo 5. Modelo Neuronal para el
- Page 261 and 262: Capitulo 5. Modelo Neuronal para el
- Page 263 and 264: Capitulo 5. Modelo Neuronal para el
- Page 265 and 266: R1 HYPBF # 1 HYPBF # 2 R2 AIP VD Mu
- Page 267 and 268: Capitulo 5. Modelo Neuronal para el
- Page 269 and 270: Capitulo 6. Implantación de algori
- Page 271 and 272: Capitulo 6. Implantación de algori
- Page 273 and 274: Capitulo 6. Implantación de algori
- Page 275 and 276: Capitulo 6. Implantación de algori
- Page 277 and 278: Capitulo 6. Implantación de algori
- Page 279 and 280: Capitulo 6. Implantación de algori
- Page 281 and 282: Capitulo 6. Implantación de algori
- Page 283 and 284: Capitulo 7. Conclusiones y Trabajos
- Page 285 and 286: Capitulo 7. Conclusiones y Trabajos
- Page 287 and 288: 1. Cinemática Directa del brazo ma
- Page 289 and 290: x 0 l 3 I -M c l 2 z 0 l 1 d θ 4 b
- Page 291 and 292: Los pesos adaptativos wijk y zijkm
- Page 293 and 294: Arbib, M.A. (1985a). Schemas for th
- Page 295 and 296: Castiello, U., Stelmach, G.E., Lieb
- Page 297 and 298: Fagg, A.H., Arbib, M.A. (1998). Mod
- Page 299 and 300: Graybiel, A.M. (1997). The basal ga
- Page 301 and 302: Jaeger, D., Kita, H., Wilson., C.J.
- Page 303 and 304: Kimura, M., Matsumoto, N., Okahashi
Capitulo 5. Mo<strong>de</strong>lo Neuronal para el aprendizaje progresivo <strong>de</strong> tareas <strong>de</strong> Agarre<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0,0<br />
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<br />
Neurona # 20<br />
2d 3d 2d 3d 2d 3d<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0,0<br />
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<br />
2d 3d 2d 3d 2d 3d<br />
252<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0,0<br />
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<br />
2d 3d 2d 3d 2d 3d<br />
Neurona # 26<br />
Neurona # 4<br />
Figura 5.30. Patrón <strong>de</strong> actividad <strong>de</strong> las neuronas #4, #20 y #26 <strong>de</strong> la capa oculta <strong>de</strong> GRASP. Este perfil se<br />
correspon<strong>de</strong> con un comportamiento <strong>de</strong> tipo ’neurona visual’.<br />
En esta Figuras se han mostrado ejemplos <strong>de</strong> comportamientos dominantemente<br />
motores, dominantemente visuales y dominantemente visuomotores. El resto <strong>de</strong><br />
neuronas <strong>de</strong> las 30 que conforman la capa oculta <strong>de</strong> la red HYPBF GRASP muestran<br />
comportamientos ‘menos puros’ aunque siempre mas o menos asimilables a los<br />
<strong>de</strong>scritos en esta sección. Es importante señalar que la aparición <strong>de</strong> esta selectividad o<br />
especificidad en la actividad <strong>de</strong> las neuronas <strong>de</strong>l mo<strong>de</strong>lo GRASP es una propiedad<br />
totalmente emergente <strong>de</strong>l mo<strong>de</strong>lo ya que durante las fases <strong>de</strong> diseño y aprendizaje <strong>de</strong><br />
dicho mo<strong>de</strong>lo no se ha hecho ninguna referencia o especificación concreta para la<br />
consecución <strong>de</strong> este tipo <strong>de</strong> comportamiento <strong>de</strong> la red. En el apartado <strong>de</strong> discusión <strong>de</strong><br />
este Capítulo abordaremos con más <strong>de</strong>talle la interpretación y consecuencias <strong>de</strong> estos<br />
resultados para el <strong>de</strong>sarrollo futuro <strong>de</strong> nuevos mo<strong>de</strong>los para el aprendizaje y<br />
generación <strong>de</strong> movimientos <strong>de</strong> agarre con mayor base neurobiológica.