En neurociencia e informática , el peso sináptico se refiere a la fuerza o amplitud de una conexión entre dos nodos, correspondiente en biología a la cantidad de influencia que tiene la activación de una neurona sobre otra. El término se utiliza normalmente en la investigación de redes neuronales biológicas y artificiales . [1]
En una red neuronal computacional, un vector o conjunto de entradas y salidas , o neuronas pre y postsinápticas respectivamente, están interconectados con pesos sinápticos representados por la matriz , donde para una neurona lineal
donde las filas de la matriz sináptica representan el vector de pesos sinápticos para la salida indexada por .
El peso sináptico se cambia mediante el uso de una regla de aprendizaje, la más básica de las cuales es la regla de Hebb , que generalmente se expresa en términos biológicos como
Las neuronas que se activan juntas, se conectan entre sí.
Computacionalmente, esto significa que si una señal grande de una de las neuronas de entrada da como resultado una señal grande de una de las neuronas de salida, entonces el peso sináptico entre esas dos neuronas aumentará. Sin embargo, la regla es inestable y normalmente se modifica utilizando variaciones como la regla de Oja , funciones de base radial o el algoritmo de retropropagación .
Para las redes biológicas, el efecto de los pesos sinápticos no es tan simple como para las neuronas lineales o el aprendizaje hebbiano . Sin embargo, los modelos biofísicos como la teoría BCM han tenido cierto éxito en la descripción matemática de estas redes.
En el sistema nervioso central de los mamíferos , la transmisión de señales se lleva a cabo mediante redes interconectadas de células nerviosas o neuronas. Para la neurona piramidal básica , la señal de entrada es transportada por el axón , que libera químicos neurotransmisores en la sinapsis que son captados por las dendritas de la siguiente neurona, que luego pueden generar un potencial de acción que es análogo a la señal de salida en la neurona piramidal básica. caso computacional.
El peso sináptico en este proceso está determinado por varios factores variables:
Los cambios en el peso sináptico que ocurren se conocen como plasticidad sináptica , y el proceso detrás de los cambios a largo plazo ( potenciación y depresión a largo plazo ) aún no se comprende bien. La regla de aprendizaje original de Hebb se aplicó originalmente a sistemas biológicos, pero tuvo que sufrir muchas modificaciones a medida que salieron a la luz una serie de problemas teóricos y experimentales.
