Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MSC. Javier A. Carmona Troyo Divisin de Estudios de Posgrado e Investigacin Instituto Tecnologico de La Paz
Redes Neuronales
Redes Neuronales
Cerebro Humano
1011 Neuronas (procesadores) Poder desconocido 1000 10000 conecciones por neurona
4
Redes Neuronales
Neuronas
Redes Neuronales
Neuronas Artificiales
Redes Neuronales
Historia
William James (1890): Describe (en palabras y figuras) redes distribudas simples y el aprendizaje de Hebbian. McCulloch & Pitts (1943): Unidades binarias con barrera de activacin que realizan operaciones lgicas (prueban computacin universal!). Hebb (1949): Formulacin de una regla fisiologica (local) de aprendizaje. Rosenblatt (1958): El Perceptrnla primera mquina real que aprende. Widrow & Hoff (1960): ADALINE y la regla Widrow-Hoff de aprendizaje supervisado. Minsky & Papert (1969): Las limitaciones del perceptrnel Invierno Neuronal v.d.Malsburg (1973): Mapas Auto-organizables. Grossberg (1980): Theora de la Resonancia Adaptiva. Hopfield (1982/84): Redes de Atractores. Teora de patrones de asociacin y memoria. Kohonen (1982): Mapas Auto-organizables. Rumelhart, Hinton, & Williams (1986): Backpropagation
Redes Neuronales
Caractersticas de RNAs
El estilo de procesamiento es mas bien como el de procesamiento de seales, no simblico. La combinacin de seales para producir nuevas seales contrasta con la ejecucin de instrucciones almacenadas en memoria La informacin se almacena en un conjunto de pesos, no en un programa. Los pesos se deben adaptar cuando le mostramos ejemplos a la red. Las redes son tolerantes a ruido: pequeos cambios en la entrada no afecta drsticamente la salida de la red. Los conceptos se ven como patrones de actividad a lo largo de casi toda la red y no como el contenido de pequeos grupos de celdas de memoria. La red puede generalizar el conjunto de entrenamiento y as tratar con ejemplos no conocidos. RNA son buenas para tareas perceptuales y asociaciones. Justamente con lo que se topa la computacin tradicional.
Redes Neuronales
8
Arquitecturas de RNAs
Redes Neuronales
Arquitecturas de RNAs
Redes Neuronales
10
Arquitecturas de RNAs
Redes Recurrentes
Redes Neuronales
11
Representacin de Conocimiento
Conocimiento = Informacin Almacenada + Modelos Tarea = Aprender un Modelo del Mundo Conocimiento:
Del mundo (informacin a priori) Observaciones (ejemplos) Etiquetados (respuesta deseada) Sin etiqueta Entrenamiento (Training Set) Validacin (Validation Set) Prueba (Test Set)
Ejemplos:
Ejemplos (+ y -):
Redes Neuronales
12
Redes Neuronales
13
IA y RNAs
IA -> desarrollar mquinas que realizan tareas cognitivas para las cuales los humanos son aptos.
Representacin
IA
Aprendizaje
Razonamiento
Redes Neuronales
14
Redes Neuronales
15
Bias (Sesgo)
Redes Neuronales
16
Funciones de Activacin
Redes Neuronales
17