Changing the way you learn

MODELOS O ESCUELAS NEUROPSICOLÓGICAS

2. MODELO FACTORIAL
1. Este modelo explica la existencia de factores cognoscitivos subyacentes compartidos por las diferentes funciones a traves de las correlaciones significativas entre las diversas variables que miden estas funciones. Tiene su punto de partida en la estadística, y mas en el análisis factorial obtenido a traves de matrices de correlaciones
  1. Aborda lo:
    1. 1. Patológico
      1. Aqui observa los sintomas
    2. 2. Normal
      1. Aqui observa las funciones
  2. Analiza y determina los factores que s evan a estudiar, y los ubica como eslabones de grandes cadenas funcionales, para luego mediante el análisis factorial determinar los componentes de una funcion con su correspondiente carga.
2. Sobre esto habla el psicológo Ruben Ardila
1. MODELO CONEXIONISTA
1. Antecedentes
  1. El origen historico del conexionismo se ubica en la década de 1940, el maniefiesto matematico de Warren Mcculloch y Walter Pitts fue seguido de la noción de Donald Hebb. En 1962 Rosenblant. En los 80, David Rumelhart y James Mcclelland.
2. ¿Qué es?
  1. La información se procesa a través de patrones de propagación de la activación; esto significa que cuando un input de información entra en al cerebro, las neuronas empiezan a activarse formando un patrón concreto, lo que producirá un output determinado. Esto formará unas redes entre las neuronas que procesarán la información de manera rápida y sin necesidad de algoritmos preprogramadas.
3. Objetivo
  1. El objetivo del conexionismo es elaborar una red neuronal artificial que utilice formalismos para sus cálculos inspirandose en los cálculos realizados por el cerebro. La funcion de cada estructura individual, es decir, la neurona biológica o formal, entra en juego con el resto de las neuronas por medio de interconexiones.
4. Ventajas
  1. Explica muy bien los procesos de aprendizaje de patrones, es decir, aquellos procesos en los que nuestro cerebro extrae patrones estadísticos a partir de un gran número de ensayos con ejemplares. Esto ha permitido ofrecer buenos modelos de aprendizaje de conceptos, del procesamiento otorgando el análisis gramtical.
5. Desventajas
  1. Existen fenómenos relacionados con el aprendizaje que no resultan fáciles de implementar mediante el uso de redes conexionistas; por ejemplo: la generación de nuevas construcciones cognitivas que aportan significados más ricos y extensos a los conceptos ya conocidos.
6. Propiedades de los sistemas conexionistas
  1. 1. Propagación de la actividad: Las neuronas, cuando son activadas, influyen en aquellas con las que estan conectadas. Esto puede ocurrir facilitando su activación o inhibiéndola. Ejemplo: Las neuronas del perro facilitan las del mamífero, pero inhiben las del reptil. 2. Aprendizaje neuronal: El aprendizaje y la experiencia afectan a ls conexiones entre las neuronas. Así, si vemos a muchos perros que tienen pelo, las conexiones entre las neuronas relacionadas con ambos conceptos se verán fortalecidas. Esta sería la forma en la que se crearían las redes neuronales que nos ayudan al procesamiento. 3. Procesamiento en paralelo: La activación se propaga en paralelo entre todas las neuronas. Y tampoco hace falta procesar un patrón de activación tras otro, se pueden dar múltiples en un mismo tiempo. Gracias a esto somos capaces de interpretar gran cantidad de datos a la vez, aunque existe un límite en nuestra capacidad y 4. Redes neuronales.

Next up

MODELOS O ESCUELAS NEUROPSICOLÓGICAS

Description

Resource summary

Similar

	Created by Yurani Montoya Yustes about 3 years ago