TRABAJO PRESENTADO POR: ANGIE MARCELA HERNANDEZ

BOGOTÁ CUATRO AÑOS PARA SALVAR SUS AGUAS

La contaminación que se viene presentando en los principales afluentes que se abastecen del liquido a 8 millones de personas podría llevar a la ciudad a un racionamiento no por falta de agua, sino por que sera imposible tratarla.

EL MAL ESTADO DE LOS CAUDALES QUE SE CAPTAN

CONTAMINACIÓN

Al río Bogotá le descargan al año 165.525 toneladas de materia orgánica y 375.743 residuos químicos e industriales según un estudio del IDEAN.

LA SEQUÍA

El Río Bogotá tiene un rendimiento hídrico bajo . En tiempo seco, inferior a otras a 20 litros por segundo /Km2;
el Nacional es de 63, dice el IDEAN, esto reduce el agua disponible.

SIGNOS DE ALARMA

En el Río Bogotá hay residuos de metales que tienen valores que alarman: El cromo, residuo de las cortiembres y el zinc dice el ultimo estudio Nacional del agua.

CULPA DE TODOS

Los alcaldes de los municipios de la cuenca alta dice que pese a todo, afecta menos el río Bogotá, frente a los daños que le provoca a la capital.

ASÍ FUNCIONA LA PLANTA TIBITOC

Desde 1959, la planta ha tratado el río de Bogotá para que abastezca la demanda de la capital la creciente contaminación pone en riesgo la cantidad , disponibilidad y la calidad del agua.

katherine rincon

Supongamos que una parte de nuestro cerebro está transmitiendo a una elevada frecuencia. Si esa transmisión suprime o interfiere otras, igualmente importantes, que se estén produciendo de manera simultánea en otras partes del cerebro, se originará un desequilibrio en los procesos neuroquímicos o neuroeléctricos cerebrales que repercutirá en nuestro equilibrio homeostático.

La tendencia natural humana a la búsqueda de alivio, provocará que intentemos mantener el equilibrio perdido, y lo haremos, ya sea a través del uso de sustancias químicas o mediante otros comportamientos disfuncionales.

Las ondas cerebrales recogidas por el EEG procedentes del cortex cerebral, son el reflejo de la actividad neuroquímica en estructuras más profundas. Estas ondas cerebrales han sido categorizadas en estos niveles en base a su frecuencia:

GAMMA	35 Hz +	Se asocian a respuestas cerebrales ante ejecuciones simultáneas. Excitación emocional, ejecución imprevista, patológica
BETA ALTA	18-35 Hz	Representa una actividad relativamente de sincronizada. Eficacia pobre, carente de control, desorganizada.
BETA MEDIA	15-18 Hz	Atención en alerta, eficacia, buenas reacciones rápidas, organizadas para respuestas en serie.
SMR BETA	12-15 Hz	Ritmos sensorio motores (SMR). Alerta controlada. Control emocional.
ALFA	8-12 Hz	Atención pasiva, muy relajada. Pensamiento creativo.
THETA	4-7 Hz	Relajación profunda. Estados de ensoñación. Carente de tiempos secuenciales.
DELTA	0.2-3 Hz	Sueño. Eficacia ejecutiva ausente.

Estas bandas son, en cierto modo, arbitrarias, puesto que existen notables diferencias individuales.

Cualquier persona puede aprender a controlar actividades biológicas involuntarias, si recibe información que le muestra lo que está ocurriendo en el interior de su organismo.

La frecuencia cardíaca, la tensión muscular, la presión arterial y las ondas cerebrales son algunas de las señales del organismo que pueden ser monitorizadas y sujetas a control voluntario por medio de un entrenamiento especializado.

MAPEO TRIDIMENSIONAL DE LA ACTIVIDAD ELECTRICA CEREBRAL

El electroencefalograma (EEG) es el registro clínico más empleado para la evaluación funcional del cerebro. Es una técnica no invasiva y se emplea desde hace mucho tiempo para la detección rápida de estados disfuncionales del cerebro. El fisiólogo Du Bois Rémond fue el primero en observar en 1848 la aparición de una señal eléctrica durante el paso de un estímulo nervioso periférico. Poco tiempo después, en 1875, R. Caton describió el mismo fenómeno a nivel cerebral y efectuó registros tanto en conejos como en simios. No fue sino hasta 50 años mas tarde que se pudo demostrar la existencia de este tipo de actividad en el cerebro humano. La definición del término electroencefalografía se debe al neuropsiquiatra H. Berger, que fue el primero en efectuar registros en superficie de la actividad eléctrica cerebral en el humano. A lo largo de su investigación describió las características principales del EEG, tal como se interpretan en la actualidad, principalmente en lo que concierne a las variaciones rítmicas sinusoidales asociadas a los distintos niveles de atención. Asimismo, pudo asociar algunas diferencias morfológicas a ciertas patologías y fue el primero en efectuar registros durante crisis epilépticas. Actualmente se puede decir que las señales eléctricas adquiridas en la superficie del cuero cabelludo provienen principalmente de potenciales postsinápticos generados en las uniones sinápticas de las poblaciones neuronales, probablemente neuronas piramidales, orientadas perpendicularmente a la superficie.


La cartografía cerebral es una técnica de representación de los trazos electroencefalográficos que permite que la interpretación sea mas sencilla. No se trata de reducir la cantidad de información; por el contrario, los valores estimados en los puntos intermedios a los electrodos de registro, representan un volumen de datos mucho mayor. No constituye tampoco un método de análisis, ya que es necesario llevar a cabo la interpretación posteriormente. El interés principal de la cartografía reside en su capacidad de presentar la información en forma de mapas en dos o tres dimensiones, en donde se sintetiza el contenido de todas las señales registradas en los electrodos. De esta manera, las relaciones espacio-temporales entre las distintas regiones corticales pueden establecerse de una forma mucho más fácil y los fenómenos de muy corta duración, que son difíciles de detectar sobre los trazos, aparecen claramente sobre la cartografía4.

Desde la aparición de los primeros sistemas de registro del EEG (1940), se han llevado a cabo numerosos esfuerzos para mejorar la presentación de los trazos. Es de esta manera que los primeros sistemas de cartografía aparecieron algunos años más tarde (1950). Se puede citar históricamente los sistemas basados en uno o varios tubos de rayos catódicos, donde la intensidad del rayo era función de la amplitud de uno de los electrodos de registro; los sistemas que presentaban superficies pseudo-tridimensionales, donde el nivel del potencial se codificaba también por medio de la intensidad luminosa; los sistemas que generaban contornos de líneas isopotenciales, a veces reconstruídos a mano. La capacidad de las computadoras actuales ha permitido el desarrollo de sistemas cartográficos mucho más sofisticados. Los mapas se presentan en forma de mantos coloreados sobre una superficie que representa el cuero cabelludo, junto con la posibilidad de efectuar una selección del tipo de montaje, del modo de animación, del rango dinámico de la paleta, etc1.

TIPOS DE CARTOGRAFÍA CEREBRAL Y SUS APLICACIONES

Se pueden definir los distintos tipos de cartografía según la información que estos proporcionan como:

Cartografía del nivel de potencial

Este tipo de cartografía se ha aplicado principalmente a la representación de la distribución de potenciales evocados3,6,9 y, en algunos casos, para el análisis de fenómenos espontáneos en epilepsia1,17,19. Consiste en seleccionar un punto sobre los trazos, correspondiente al instante de análisis, y de reconstruir espacialmente la distribución a partir de los valores de potencial registrados en los electrodos. Los niveles estimados con ayuda del algoritmo de interpolación se codifican en distintos colores de la paleta, lo que proporciona una representación directa de la distribución de los valores.

La figura 1 muestra un ejemplo de este tipo de cartografía. A la izquierda se muestran los registros obtenidos en 16 sitios del cuero cabelludo de un sujeto, que corresponden a una función potencial-tiempo. El nombre de los electrodos, que indica una codificación de su localización espacial, se muestra a la izquierda de cada señal. En este caso, se trata de un potencial evocado somatosensorial obtenido por estimulación eléctrica en una de las extremidades; el período de estimulación se observa en las curvas como una zona plana al inicio de los trazos. La respuesta de la corteza a este estímulo aparece entre 25 y 45 ms después y se aprecia en los registros como unas deflexiones negativas y positivas de mayor amplitud.

El interés de la cartografía de potencial consiste en seleccionar un instante de análisis y reconstruir la actividad en toda la superficie de la cabeza, a partir de las señales registradas en algunos puntos, con ayuda de un algoritmo de interpolación adecuado a la forma del craneo. Esto se efectua seleccionando una latencia sobre las curvas, indicada con una barra verde en la figura, que en este caso corresponde a 27.6 ms. El mapa resultante para esta latencia se despliega a la derecha sobre un objeto sintético que simula una cabeza humana, con su correspondiente codigo de colores.

La actividad mostrada en este caso es de análisis interesante, puesto que puede ser modelada a aproximadamente 25 ms como un unico dipolo eléctrico localizado sobre la cisura de Rolando, que sufre una inversión de polaridad en un transcurso de 10 ms. La actividad a 35 ms es de morfología y localización similar, pero de diferente polaridad3.

Cartografía espectral.

Este tipo de cartografía consiste en evaluar el espectro de las señales registradas en los electrodos por medio de un algoritmo para el cálculo de la densidad espectral de potencia, de tal manera que se pueda obtener el contenido en frecuencia de cada banda de interés del electroencefalograma. Típicamente se representan cuatro bandas del espectro: d (0.5-3.5 Hz), q (3.5-7.5 Hz), a (7.5-13.5 Hz) y b (13.5-30 Hz). Este tipo de cartografía ha sido empleado frecuentemente en diversas aplicaciones clínicas para la detección y localización de accidentes vasculares, de tumores cerebrales, para el seguimiento del efecto de sicotrópicos, etc.16

La figura 2 muestra la cartografía espectral correspondiente al registro de una punta de actividad intercrítica en un paciente epiléptico. Las curvas a la izquierda corresponden a los espectros de las señales y, en este caso, se ha reconstruído el mapa para una frecuencia única, marcada con la barra verde, que corresponde a 6 Hz. La paleta de colores empleada en este ejemplo es más adecuada para el mapeo espectral, puesto que no hay una correlación directa entre la información mostrada y contornos de regiones anatómicas.

Cartografía de la densidad de corriente.

La densidad de corriente representa la distribución obtenida por el flujo de corriente entrante y saliente en cada electrodo. Consiste en la estimación de la segunda derivada espacial del potencial, que puede efectuarse gracias a una combinación lineal de los valores de los electrodos próximos, o a partir de una evaluación analítica del laplaciano del operador de interpolación. La carta de densidad de corriente proporciona información complementaria a aquella obtenida por las cartas de potencial, ya que permite observar los focos localizados cerca de la superficie del cuero cabelludo. Este tipo de cartografía ha sido empleada principalmente para la localización en la superficie de las fuentes responsables de una distribución determinada15. Dado que involucra al operador laplaciano espacial, la información que se observa presenta un contraste mucho mayor de diferentes fenómenos eléctricos en la superficie, eliminando la influencia de fuentes dipolares localizadas más profundamente.

La figura 3 muestra los mapas obtenidos en el caso de otro paciente epiléptico. Estos fueron obtenidos en el instante indicado por la barra verde sobre las curvas, al comienzo de la actividad intercrítica de mayor amplitud. La cartografía de potencial (POT) muestra una región de actividad en el lóbulo frontal derecho, entre los cuatro electrodos colocados en esta zona. La cartografía de densidad de corriente (SCD) indica el mismo emplazamiento del fenómeno, pero mucho más focalizado y de menor extensión. Estos dos tipos de representación son complementarios para el análisis de una actividad anormal, principalmente en el caso de epilepsias operables.

Cartografía estadística

Representa las diferencias estadísticas ya sea de datos registrados sobre un sujeto con respecto a otros datos obtenidos para una población, o bien a datos promedio de grupos de sujetos. Se puede aplicar en los distintos tipos de cartografía mencionados precedentemente. Las cartas estadísticas se han aplicado a la detección de distintos problemas cerebrales5,6 y para el seguimiento de medicamentos2.

La figura 4 muestra un ejemplo del empleo de la cartografía estadística, aplicada a mapas de potencial obtenidos para un estímulo visual. En este caso, sólo el electrodo donde se registró la mayor amplitud de potencial se muestra en la figura, en color azul para el sujeto en estudio y en rojo para el promedio de la población. La cartografía promedio (MOY) se muestra en la parte inferior en tres diferentes proyecciones y fue obtenida para un conjunto de 30 sujetos jóvenes normales, Se aplica un estímulo visual que consiste de una imágen de tablero de ajedrez alternante sobre una pantalla de computadora, a contraste, luminosidad y cromaticidad controlados. Se registra la actividad de la respuesta visual en 31 electrodos colocados en varios sitios sobre el cuero cabelludo y con el promedio de cada electrodo para los 30 sujetos se construye el mapa de la población. Las cartografías del paciente (PAT), mostradas para las mismas proyecciones en la parte intermedia de la figura, se comparan estadísticamente con las de la población y, a partir de estas diferencias, se construye un nuevo mapa estadístico (SPM), mostrado en la parte derecha de la figura, con una paleta de colores distinta, para evitar ambigüedad. Las diferencias se cuantifican en unidades de desviación estándar; en términos prácticos se considera que una separación de +/- 2.5 desviaciones estándar corresponde a los límites de normalidad. El sujeto mostrado en la figura 4 presenta en la corteza occipital una región de actividad diferente a la población, sin exceder los límites normales.

CONCLUSIONES Y PERSPECTIVAS

El sistema que se ha desarrollado, se probó inicialmente en el Servicio de Biofísica del Hospital Lariboisière, en París, Francia, donde se empleó para estudios de potenciales evocados visuales11,12, y en la Unidad de Epileptología del Hospital Pont Chaillou en Rennes8,13, en el mismo país, donde se empleó como complemento para la visualización de focos epilépticos. En México, una versión mejorada de este sistema ha sido instalada en el Instituto Nacional de Neurología y Neurocirugía “Dr. Javier Velasco Suárez” (INNN), dentro de un convenio de colaboración entre este instituto y el Area de Procesamiento Digital de Señales e Imágenes Biomédicas de la Universidad Autónoma Metropolitana, Unidad Iztapalapa. El propósito del estudio en el INNN es el desarrollar herramientas para la evaluación de la profundidad de la anestesia. Asimismo, en colaboración con el Dr. Farid Hassainia del Centro de Estudios del Sueño, de la Universidad de Montreal, Canadá se continúa a trabajar en versiones mejoradas, principalmente en la parte de cartografía estadística. Un sistema más, que contará con una base de datos orientada a objetos, está en desarrollo conjuntamente con el Instituto Nacional de la Comunicación Humana.

El objetivo final de estos proyectos es proporcionar una herramienta de apoyo a los neurólogos y encefalografistas clínicos, que esté al alcance de la mayoría desde el punto de vista de costos, pero que también sea un desarrollo bien fundamentado desde el punto de vista del tratamiento matemático tanto de los datos obtenidos, como de las imágenes que se pueden presentar.

El registro del EEG en superficie continúa siendo una técnica relativamente poco costosa y es sobre todo, no invasiva. Esta técnica permite la detección rápida de distintos tipos de desórdenes cerebrales funcionales, que a veces se encuentran ligados a problemas provenientes de lesiones. La cartografía cerebral consiste en la representación del EEG bajo la forma de superficies coloreadas que permiten una visualización fácil de las relaciones espacio-temporales entre las diferentes regiones corticales activas.

El trabajo que hemos presentado, permitirá la aplicación de estas técnicas en el campo clínico de nuestro país, eliminando la necesidad de contar con un sistema de computación y despliegue que requiere de recursos costosos, utilizando computadoras del tipo PC avanzado, en vez de emplear estaciones de trabajo o computadoras dedicadas al procesamiento gráfico. El conocimiento más profundo sobre la correlación entre la actividad registrada a nivel superficial y las estructuras que presentan actividad al interior del cráneo podrá permitir que se lleve a cabo una mejor explotación de la información contenida dentro de los registros electroencefalográficos. Para esto, las técnicas de imágenes "multimodalidad", donde la cartografía puede compararse con imágenes tanto anatómicas (por ejemplo,tomografía o resonancia magnética nuclear) como funcionales (magnetoencefalografía, SPECT o PET) permitirá establecer una relacion directa de la información contenida en ellas.

 

 

katherine rincon

 la capital de colombia bogotá podria tener un desafio de por falto de agua por la contaminación de los rios tocancipá: que esta contaminado por la industria, Ganchancipá: baja mas contaminación por la actividad agricolas, sesquilé: descarga de mas agua residuales domestica de fincas, suesca: vierten agua residuales, domesticas y desechos de la fincas, chocontá: comtaminan con material organico por las aguas residuales, villapinzón: las curtiembres descargan residuos contaminales.
si en bogota todos los bogotanos se ponen el deseo de no contaminar mas el agua podrian tener agua en estos cuatro años que la van a salbar y los bogotanos se argullesen de poder tomar el agua asi contaminada.

PARALELO DEL TEXTO DEL SEÑOR KAFKA Y EL GRADO 901

Un Profesor Siempre Quiere Lo Mejor Para Los Estudiantes, Un Ejemplo El Profesor Oscar Diaz,

A Pesar De Que Muchas Veces No Nos Gusta Los Regaños Al Final Comprendemos Que Todo Esto Lo Hace Por El Bien De Nosotros, Igualmente Cuando Hacemos Las Cosas Bien, Nos Felicita & Nos Da Fortaleza Para Seguir Adelante Gracias A El Hemos  Podido Aprender A Ser Mas Persona, A Valorar & A Cuidar Lo Que Mas Queremos & Luchar Por Nuestros Sueños, Siempre Hay Una Voz De Fortaleza. Cuando El Señor Kafka Le Enviaba Una Carta A Ella & Le Decia Que Solo Podia Recibir Una Vez Por Semana Las Cartas Era Por Que El No Queria Que Ella Sufriera Ya Que El Estaba Enfermo, Lo Mismo Pasa Con Nuestro Profesor Oscar, Que Aunque Muchas Veces Nos De Malgenio Lo Que Nos Dice & Sea Duro Con Nosotros, Despues Del Error Aprendemos & Terminamos Entendiendo & Agradeciendole A El & Al Final El Tiene Toda La Razon, Cuando Tenemos Un Problema El Siempre Nos Guía & Nos Da Aliento Para Seguir Adelante, Por Que Mas Que Un Profesor Es Como Un Padre Para Nosotros, Con Sus Buenos Consejos Siempre....

TE QUIERO PROFEE TE QUIEROO ! :*

                                                                                         Gracias Por Todo Siempre En Mi Corazon ^^

                               TRABAJO PRESENTADO POR: NASLY MURILLO

La Comparacion De Una Computadora y el Cerebro

 comparacion de una computadora y el cerebro

 

Las  redes neuronales biológicas fueron la inspiración para la implementación del modelo electrónico.

A diferencia del cerebro humano, las computadoras separan las funciones de memoria de aquellas de cálculo computacional y utilizan el software o programas para unirlas dato por dato. El cuello de botella causado por un procesador usando datos uno a uno está saturando el cómputo tradicional. Por otro lado, el cerebro recibe y procesa corrientes de información que provienen de los sentidos, unificando la memoria y la unidad de procesamiento.

Generalmente, las computadoras dependen de una unidad central de procesamiento (CPU) para efectuar cada tarea de proceso, realizando un paso cada vez y solo uno. Los procesadores en "paralelo" (también llamados concurrentes) refuerzan el poder de procesamiento, trabajando con varias unidades centrales simultáneamente para aminorar el cuello de botella, pero este tipo de procesamiento en "paralelo" no ha sido muy aceptado debido al problema de comunicación entre dichas unidades de procesamiento. Las máquinas trabajan muy bien utilizando cada procesador para una tarea diferente; esto es, que en realidad sí se ha resuelto el problema para particional problemas científicos. Pero no se han establecido principios que nos digan cómo automatizar las arduas tareas manuales de particional cualquier problema de la vida real, así que la manera de trabajar es dividir las tareas para asignar cada una a cada procesador, utilizando así muchos procesadores.

Tratando de simular las funciones del cerebro humano, la inteligencia artificial (IA), ha probado el éxito en cuestiones no críticas. Los sistemas expertos, por ejemplo, son programas de computadoras que encapsulan información de un dominio especializado. Desgraciadamente, los sistemas expertos requieren ingenieros del conocimiento suficientemente listos para especificar una respuesta a cada posible circunstancia a la que el sistema pueda enfrentarse. En un ambiente cerrado, donde existen respuestas bien definidas para cada pregunta, si es posible. En el mundo real, se necesitaría un programador excepcional para que anticipe cualquier combinación de circunstancias a las que el sistema pueda enfrentar.

Un sistema experto, cuando es sacado de su estrecho y bien definido campo de acción o dominio para el que fue diseñado, invariablemente falla. Algunos investigadores opinan que incrementando el poder de cómputo se puede incrementar el alcance de los sistemas de IA. Sin embargo, los sistemas de IA actualmente realizan miles y hasta millones de construcciones psicológicas de alto nivel para poder llegar o acercarse a una conclusión humana de carácter simple.

Juntas, las ciencias computacionales y la IA han llegado a los límites de los principios en los cuales se basan. Si las computadoras superan el cuello de botella que limita su crecimiento, los ingenieros deben adoptar nuevos principios que puedan absorber varias operaciones al mismo tiempo.

Similarmente, la IA ha tenido éxito en algunos dominios no restringidos y si el procesamiento en paralelo se hace posible a gran escala, lo suficiente para tratar problemas de la vida real, el camino será el de encontrar una conexión simple y eficiente entre procesadores. Estas respuestas no convencen a las personas de ciencias computacionales ni a las de IA, esto es materia de los expertos en ciencias neuronales; de aquí la importancia que ha tenido el área de las redes neuronales artificiales.

Definición formal de un Sistema Neuronal Artificial (SNA)

Los Zonas se inspiran en modelos del cerebro y del comportamiento (Arbib, 1964; Grossberg, 1982 & 1986). Hecht-Nielsen (1988) ofrece la siguiente general y aún rigurosa definición de un Sistema Neuronal Artificial:

Una red neuronal (SNA) es una estructura de procesamiento paralelo y distribuido que consiste de elementos procesadores (los cuales pueden tener memoria local y transmitir operaciones de información localizada) interconectadas con señales de canales uní- direccionales. Cada elemento de procesamiento tiene una sola conexión de salida la cual se divide en tantas conexiones colaterales como se desee (cada una llevando la misma señal de salida). La señal de salida del elemento procesado puede ser de cualquier tipo matemático y cada proceso que va en cada unidad de procesamiento debe ser completamente local. Esto es, que debe depender solamente de los valores de la señal de entrada.

es, que debe depender solamente de los valores de la señal de entrada, que llegan al elemento de procesamiento vía conexión y de los valores guardados en la memoria local de dicho elemento.

• Los elementos claves de los Sistemas Neuronales Artificiales son:
• Representación distribuida
• Las operaciones locales y
• El procesamiento no lineal

Esos atributos enfatizan dos de las principales aplicaciones de los SNA's: Situaciones donde solamente se requieren pocas decisiones para una gran cantidad de datos y situaciones donde se tiene que aprender un mapeo no-lineal.

Esto parece obvio desde la definición las teorías que dicen que las matemáticas son el pilar de los SNA's, idea que probablemente está mejor expresada por Arbib (1964, p. II) en el siguiente pasaje:

Aplicamos las matemáticas para obtener conclusiones difíciles para premisas claramente especificadas. Podemos probar lo adecuado de un modelo del cerebro expresándolo en una forma matemática y usando herramientas matemáticas para probar teoremas generales. En lo poco discrepante que encontremos entre esos teoremas y los experimentos, regresaremos a nuestras premisas y reformularlas, ganando así un entendimiento más profundo de cómo trabaja el cerebro. De ese modo, dichas teorías podrán guiarnos a construir máquinas más útiles y sofisticadas.

El modelo de redes neuronales ha demostrado funcionalidad como al asociar memoria, adaptación en la enseñanza de ejemplos, y optimización combinatoria. Un ejemplo de redes neuronales es el proyecto realizado en la universidad de Málaga.

El proyecto propone la realización de un prototipo de sistema autónomo, con capacidad de aprendizaje y dotado de visión joven. Se quiere mostrar la factibilidad de un agente dinámico, con visión activa joven, que es la más adecuada para aplicaciones críticas en tiempo y escenario cambiantes, y con capacidad de aprender y adaptarse al "mundo" en el que se encuentra, así como reconocer un conjunto limitado de objetos en los que forme parte también el color. El agente móvil se compone de un sistema de visión y de un sistema de control. En el sistema de visión activo se proponen algoritmos y arquitecturas para procesar los datos más simples, y se incluye el control de la mirada para realizar los algoritmos pre atencionales y atencionales. En el módulo de control del agente se implementa el aprendizaje y reconocimiento de patrones mediante redes neuronales artificiales y usando modelos psicobiológicos. Como valor añadido, el agente móvil debe estar dotado de un sistema de reconocimiento de ordenes habladas, compuesto de un vocabulario finito de palabras aisladas, independiente del locutor.

En la figura 1 se ve la representación simplificada de una neurona. La neurona tiene un cuerpo con un núcleo llamado soma, un axón por donde se transmite la señal de la neurona y las dendritas, que reciben señales de otras neuronas.

En la figura 2, se presenta una neurona como una simple unidad. Las líneas de entrada representan las dendritas. Cada línea lleva una señal que se agrega. Después de agregarla, la señal se procesa a través de una función f(), la cual produce la señal de salida.

El cerebro hace muchas cosas al mismo tiempo

El cerebro distribuye sus tareas de procesamiento a través de billones de células nerviosas relativamente no inteligentes llamadas neuronas. Este tiene como rutina manejar las comunicaciones en esos billones de neuronas, donde cada una está enviando y recibiendo información constantemente. En la década de los 50s, pocos visionarios creyeron que estudiando el cerebro podrían concebir las bases necesarias para superar el cuello de botella producido en la unidad central de procesamiento. Después de cuarenta años el sueño se está haciendo realidad. Un gran número de mecanismos del cerebro han sido bien estudiados y se ha visto que cada uno está creado para resolver ciertos problemas de procesamiento simultáneo.

Esos mecanismos incluyen asociación, generalización y auto-organización. Cada uno de esos principios son dirigidos a la acción simultánea de muchos procesadores neuronales separados que trabajan para un fin común. Millones de microcomputadoras pueden conectarse en un patrón de redes neuronales, pero las tareas de una neurona no pueden duplicarse, simplemente porque las habilidades multifuncionales de una neurona son muy diferentes de las capacidades de las computadoras digitales para hacer una solución efectiva.

Las redes neuronales en el cerebro procesan información de acuerdo a principios no computacionales. Las neuronas procesan operaciones continuas, a diferencia de las operaciones discretas de un computador digital. Un aspecto de las neuronas (su naturaleza continua), puede ser simulada vía software, como se hace en las neuro-computadoras, aunque en nuestros días están surgiendo mejores modelos cerebrales representados en microcircuitos diseñados especialmente para trabajar como una neurona.

El cerebro no es una computadora

Como las computadoras digitales están siendo usadas para simular el procesamiento de la información en el cerebro, las máquinas que son un modelo cercano del cerebro, más que simularlo, sustituyen los mecanismos físicos para los cálculos lógicos y matemáticos de la computación.

Algunos científicos sostienen que las redes neuronales del cerebro y las de las máquinas que lo modelan, realmente son sólo análogas, opuestas a lo digital. Antes de que las computadoras digitales dominaran la automatización, compitieron contra las computadoras análogas. Estas computadoras análogas, basadas en el mismo sistema de las restricciones de paso por paso que tiene la computación digital, no trataron de modelar su capacidad de evaluación global del cerebro, sino que fueron forzadas a seguir un programa justo como los de las computadoras digitales.

att: lorena vargas basto

comparacion entre el celebro y la computadora

deisy guerrero

BLOG DE TRABAJOS 901: reproduccion celular

Computadoras con redes neuronales

Las redes neuronales biológicas fueron la inspiración para la implementación del modelo electrónico.

A diferencia del cerebro humano, las computadoras separan las funciones de memoria de aquellas de cálculo computacional y utilizan el software o programas para unirlas dato por dato. El cuello de botella causado por un procesador usando datos uno a uno está saturando el cómputo tradicional. Por otro lado, el cerebro recibe y procesa corrientes de información que provienen de los sentidos, unificando la memoria y la unidad de procesamiento.

Generalmente, las computadoras dependen de una unidad central de procesamiento (CPU) para efectuar cada tarea de proceso, realizando un paso cada vez y solo uno. Los procesadores en "paralelo" (también llamados concurrentes) refuerzan el poder de procesamiento, trabajando con varias unidades centrales simultáneamente para aminorar el cuello de botella, pero este tipo de procesamiento en "paralelo" no ha sido muy aceptado debido al problema de comunicación entre dichas unidades de procesamiento. Las máquinas trabajan muy bien utilizando cada procesador para una tarea diferente; esto es, que en realidad sí se ha resuelto el problema para particionar problemas científicos. Pero no se han establecido principios que nos digan cómo automatizar las arduas tareas manuales de particionar cualquier problema de la vida real, así que la manera de trabajar es dividir las tareas para asignar cada una a cada procesador, utilizando así muchos procesadores.

Tratando de simular las funciones del cerebro humano, la inteligencia artificial (IA), ha probado el éxito en cuestiones no críticas. Los sistemas expertos, por ejemplo, son programas de computadoras que encapsulan información de un dominio especializado. Desgraciadamente, los sistemas expertos requieren ingenieros del conocimiento suficientemente listos para especificar una respuesta a cada posible circunstancia a la que el sistema pueda enfrentarse. En un ambiente cerrado, donde existen respuestas bien definidas para cada pregunta, si es posible. En el mundo real, se necesitaría un programador excepcional para que anticipe cualquier combinación de circunstancias a las que el sistema pueda enfrentar.

Un sistema experto, cuando es sacado de su estrecho y bien definido campo de acción o dominio para el que fue diseñado, invariablemente falla. Algunos investigadores opinan que incrementando el poder de cómputo se puede incrementar el alcance de los sistemas de IA. Sin embargo, los sistemas de IA actualmente realizan miles y hasta millones de construcciones psicológicas de alto nivel para poder llegar o acercarse a una conclusión humana de carácter simple.

Juntas, las ciencias computacionales y la IA han llegado a los límites de los principios en los cuales se basan. Si las computadoras superan el cuello de botella que limita su crecimiento, los ingenieros deben adoptar nuevos principios que puedan absorber varias operaciones al mismo tiempo.

Similarmente, la IA ha tenido éxito en algunos dominios no restringidos y si el procesamiento en paralelo se hace posible a gran escala, lo suficiente para tratar problemas de la vida real, el camino será el de encontrar una conexión simple y eficiente entre procesadores. Estas respuestas no convencen a las personas de ciencias computacionales ni a las de IA, esto es materia de los expertos en ciencias neuronales; de aquí la importancia que ha tenido el área de las redes neuronales artificiales.

 att:deisy johana guerrero ramirez

reproduccion celular

Dentro de los múltiples procesos que tiene la célula en su interior, la reproducción le permite regenerarse, a partir de una célula “madre” se originan dos células proceso conocido como la mitosis y que permite regenerar tejidos, nuestro crecimiento corporal o simplemente poder reemplazar día a día todas aquellas células que se van muriendo y hay algunas celular especializadas (las sexuales) que permiten un proceso un poco mas complejo pues a partir de una célula se originas cuatro células en un proceso conocido como la meiosis. Como ves es un proceso complejo, pero que resulta imprescindible para nuestro organismo o para cualquier otro ser vivo.

Aproximación hacia el concepto de reproducción celular

“La división celular es una parte muy importante del ciclo celular en la que una célula inicial (llamada "madre") se divide para formar células hijas. Gracias a la división celular se produce el crecimiento de los organismos pluricelulares con el crecimiento de los Tejidos (biología) y la reproducción vegetativa en seres unicelulares.

Los seres pluricelulares reemplazan su dotación celular gracias a la división celular y suele estar asociada con la diferenciación celular. En algunos animales la división celular se detiene en algún momento y las células acaban envejeciendo. Las células senescentes se deterioran y mueren debido al envejecimiento del cuerpo. Las células dejan de dividirse porque los telómeros se vuelven cada vez más cortos en cada división y no pueden proteger a los cromosomas como tal”. (1)

“La replicación no puede tener lugar si no está presente una secuencia de ADN particular, llamada origen de la replicación. Este origen de replicación es especifico de la especie: las enzimas de una bacteria no encontrarán nunca un origen de replicación de levadura o de hombre  Cuando la célula alcanza aproximadamente el doble de su tamaño originario, y los cromosomas están separados, ésta se invagina y se forma una nueva pared celular, que separa las dos nuevas células y a sus duplicados cromosómicos: se trata de la división por escisión, o corte en dos células hijas de tallas idénticas y conteniendo los mismos elementos estructurales y el mismo equipamiento cromosómico.

estudiante :deisy johana guerrero ramirez

ATT: Juan David Garcia C.

COMPARACION CEREBRO Y COMPUTADORA

Computadores y cerebros tienen la capacidad de monitorear su ambiente y responder con acciones para manipularlo. Censores instalados en un computador pueden medir niveles de temperatura, humedad y luz. Los equipos pueden programarse para controlar calentadores, luces y otros aparatos, en respuesta a la información que reciban. Tu cerebro también está conectado a censores y receptores en tus ojos, oídos, nariz, boca y piel; y puede responder a la información sensorial de manera automática (provocar escalofríos en el cuerpo cuando está muy frío), o te puede hacer cambiar de comportamiento. 

Por ejemplo, si un cuarto está demasiado frío, tu cerebro puede enviar señales a los músculos para hacerte mover hacia un lugar más cálido o a ponerte un suéter.
Sin duda la mayor diferencia entre computadores y cerebros es la conciencia. Aunque te puede ser difícil describir esta cualidad, sabes que está ahí. Los computadores no la poseen, si bien pueden realizar tareas extraordinarias a velocidades tremendas, no experimentan emociones, sueños e ideas, parte esencial de aquello que te hace humano. ¡Al menos no todavía¡  La investigación actual en inteligencia artificial está intentando desarrollar capacidades emocionales en computadores y robots 

ATT:MAIKOL ANDRES JIMENEZ

COMPARACIÓN DE UN CEREBRO Y UNA COMPUTADORA

BUENO YO CREO QUE AUNQUE SON MUCHAS LAS SEMEJANZAS ENTRE EL COMPUTADOR Y EL CEREBRO COMO YA ESTA DICHO EL COMPUTADOR NO PUEDE EXPRESAR SENTIMIENTOS ES DECIR QUE LO HECHO POR EL HOMBRE NO PUEDE COMPARARSE CON LO CREADO POR DIOS,PODRA ASEMEJARSE PERO COMO VALGA LA RENUNDANCIA IGUALARSE NUNCANADA PODRÍA IGUALARSE A LA GRANDEZA DE DIOS QUE NOS CREO, NOS HIZO COMO DICE LA LECTURA CAPACES DE TODO MAS QUE LA COMPUTADORA QUE POR CIERTO ES MUY ÚTIL, ES UNA GRAN AYUDA PARA NUESTRO CEREBRO, PERO JAMÁS SUPERIOR AL CEREBRO; EL CEREBRO LO SUPERA SOBRE TODO PORQUE LA COMPUTADORA AÚN NO TIENE CONCIENCIA PARA QUE EXPRESE SUS SENTIMIENTOS, EMOCIONES, PENSAMIENTOS EN REALIDAD PODRIAN HABER SEMEJANZAS EN FUNCIONES PERO NUNCA IGUALAR UN CEREBRO CON UN COMPUTADOR, EL COMPUTADOR ES ALGO MECANICO QUE INTERACTUA SEGUN SU CREACIÓN HECHA POR EL HOMBRE. EL CEREBRO ES HECHO POR DIOS ES IMPRESIONANTEMENTE MAGNIFICO CON ESTE CEREBRO PODEMOS INTERACTUAR BAJO NUESTRA CONCIENCIA, NUESTROS SENTIMIENTOS Y EMOCIONES UN COMPUTADOR NO ACTUA DE ESA FORMA.

-SIN DUDA LA MAYOR DIFERENCIA ENTRE COMPUTADORES Y CEREBROS ES LA CONCIENCIA. AUNQUE TE PUEDE SER DIFÍCIL DESCRIBIR ESTA CUALIDAD, SABES QUE ESTÁ AHÍ. LOS COMPUTADORES NO LA POSEEN, SI BIEN PUEDEN REALIZAR TAREAS EXTRAORDINARIAS A VELOCIDADES TREMENDAS, NO EXPERIMENTAN EMOCIONES, SUEÑOS E IDEAS, PARTE ESENCIAL DE AQUELLO QUE TE HACE HUMANO. ¡AL MENOS NO TODAVÍA¡  LA INVESTIGACIÓN ACTUAL EN INTELIGENCIA ARTIFICIAL ESTÁ INTENTANDO DESARROLLAR CAPACIDADES EMOCIONALES EN COMPUTADORES Y ROBOTS

-El hombre tiene:

A.- INTELIGENCIA RACIONAL (QUE PIENSA). ES UNA MUESTRA DE LO QUE SOMOS PERO CONSCIENTEMENTE (INFLUYE LA CONCIENCIA). TIENE PROCESOS COGNITIVOS: OBSERVADOR, PENSAMIENTO ANALIZADOR, LA MEMORIA, ETC.

B.- INTELIGENCIA EMOCIONAL (QUE SIENTE).  ES UN CONJUNTO DE HABILIDADES TALES COMO SER CAPAZ DE MOTIVARSE FRENTE A LAS DECEPCIONES, CONTROLAR EL IMPULSO, DEMORAR LA GRATIFICACIÓN, REGULAR EL HUMOR Y EVITAR LOS TRASTORNOS QUE DISMINUYEN LA CAPACIDAD DE PENSAR, MOSTRAR EMPATÍA Y ABRIGAR ESPERANZAS: HABILIDADES EMOCIONALES QUE PERMITEN SER EFICACES EN LA VIDA.

EL CEREBRO HUMANO Y UNA COMPUTADORA 


EL CEREBRO Y LA COMPUTADORA TIENEN LA CAPACIDAD DE:

-MEMORIA

-INTEGRAR LA INFORMACIÓN

-OPERACIÓN DE LENGUAJE ESCRITO

-HABILIDAD NUMÉRICA NUMÉRICA
-PROCESAMIENTO DE LA INFORMACIÓN PASO A PASO, APRENDE DE LA PARTE AL TODO, QUIERE ENTENDER SUS COMPONENTES UNO POR UNO 

-AMBOS SON CENTROS DE MANDO Y DE CONTROL

-EL CEREBRO AL IGUAL QUE LA CPU DE UN COMPUTADOR SON LOS QUE GUARDAN LA INFORMACIÓN Y PERMITEN DAR ORDENES.

Primero: tanto el cerebro humano, el sistema nervioso del gusano, y el chip de la computadora tienen una arquitectura comparable a la de una muñeca rusa (matrioska), con los mismos patrones repitiéndose una y otra vez a diferentes escalas.
Segundo: los tres cumplen con una regla usada para describir la relación entre la cantidad de elementos en un área dada y la cantidad de enlaces entre ellos.
Cada uno de esos sistemas contiene un patrón de conexiones que están sólidamente limitadas en un espacio físico.
Un chip de una computadora comienza como un patrón de conectividad abstracto, que puede realizar una función específica. La segunda fase implica el mapeo de ese patrón de conectividad sobre la superficie bidimensional del chip. Este mapeo es un paso clave y debe realizarse cuidadosamente teniendo especial cuidado en la longitud total de los cables.
El cerebro se caracteriza de manera similar por una conectividad precisa que permite al organismo funcionar en forma precisa, pero limitados por el funcionamiento de las neuronas.

Finalmente, al presentarse las mismas restricciones en cerebros y chips, se llega a la conclusión que la evolución y el progreso tecnológico han desarrollado las mismas soluciones para conseguir patrones de napeo óptimos .

ATT: MARÍA PAULA LADINO SERRANO