QUE ES UNA RED
Las redes neuronales
están inspiradas en la biología por lo consiguiente son una imitación al
funcionamiento del cerebro humano, las redes neuronales tienen varias
definiciones algunas de ellas son
· Una
red neuronal es un proceso elemental que recibe una serie de entradas con pesos
diferentes, los procesa y proporciona una salida única
· Una nueva forma de computación, inspirada en
modelos biológicos.
· Un modelo matemático compuesto por un gran
número de elementos procesales organizados en niveles.
TIPOS DE APRENDIZAJE DE LA REDES NEURONALES
· APRENDIZAJE
SUPERVISADO
· APRENDIZAJE
NO SUPERVIZADO
· APRENDIZAJE
HEBBIANO
· APRENDIZAJE
COMPETITIVO
· APRENDIZAJE
MIN-MAX
· APRENDIZAJE
POR REFORZAMIENTO
· APRENDIZAJE
ESTOCASTICO
TOPOLOGIAS DE REDES NEURONALES
· Redes
de propagación hacia delante o a cíclicas en las que todas las señales van
desde la capa de entrada hacia la salida sin existir ciclos, ni conexiones
entre neuronas de la misma capa de red neuronal y su clasificación
o Mono
capa. Ejemplos: perceptor, Adelina.
o Multicapa.
Ejemplos: perceptor multicapa.
· Las
redes recurrentes que presentan al menos un ciclo cerrado de activación
neuronal.
Reseña histórica
Los primeros modelos
de redes neuronales datan de 1943 por los neurólogos McCulloch y Pitts. Años
más tarde, en 1949, Donald Hebb desarrolló sus ideas sobre el aprendizaje
neuronal, quedando reflejado en la "regla de Hebb". En 1958,
Rosemblatt desarrolló el perceptrón simple, y en 1960, Widrow y Hoff
desarrollaron el ADALINE, que fue la primera aplicación industrial real.
En los años siguientes,
se redujo la investigación, debido a la falta de modelos de aprendizaje y el
estudio de Minsky y Papert sobre las limitaciones del perceptrón. Sin embargo,
en los años 80, volvieron a resurgir las RNA gracias al desarrollo de la red de
Hopfield, y en especial, al algoritmo de aprendizaje de retro propagación
ideado por Rumelhart y McLellan en 1986 que fue aplicado en el desarrollo de
los perceptrones m
Comentarios
Publicar un comentario