El perceptron
Páginas: 7 (1544 palabras)
Publicado: 3 de abril de 2011
EL PERCEPTRÓN
A lo largo del siguiente documento se pretenden exponer varias de las aplicaciones significativas de las redes neuronales artificiales y, en particular, del Perceptrón.
En un primer momento, se realizará un breve recorrido por los puntos cronológicos más destacables del perceptrón y se comentará brevemente su funcionalidad, aunque no es lo que más nos interesa ya que aparecebien desarrollada en la teoría de la asignatura. Después se dará paso a la descripción de aquellas aplicaciones del Perceptrón que resultan más interesantes o atractivas. Y finalmente, se ofrecerán una serie de conclusiones que han sido alcanzadas tras la investigación sobre el tema elegido y, en general, acerca de las redes neuronales artificiales.
Historia
El primer modelo de neurona fuepropuesto en el año 1943 por Warren McCulloch y Walter Pitts, el cual fue mejorado 5 años más tarde en sus aspectos biológicos por Donald Hebb. Este modelo de neurona es un modelo muy simple de una auténtica neurona biológica, aunque con la gran ventaja de que ésta puede ser implementada en un ordenador.
En 1962, Bernard Widrow propuso la regla de aprendizaje Widrow-Hoff, y Frank Rosenblattdesarrolló una prueba de convergencia y, definió el rango de problemas para los que su algoritmo aseguraba una solución. Este último diseñó uno de los primeros modelos de redes de neuronas que recibió el nombre de Perceptrón y que consistía en conectar varias de las neuronas simples de McCulloch y Pitts.
Rosenblatt describe estos Perceptrones como estructuras muy simplificadas, en las cualesciertas propiedades reales del sistema nervioso son muy enfatizadas, mientras otras son obviadas. Su intención es que sirvan como un modelo que pueda simular las funciones que realiza el cerebro humano.
Aplicaciones
Un Perceptrón es un “aproximador universal”, es decir, puede ser utilizado en aplicaciones donde no se tiene mucho conocimiento sobre la relación entre las entradas (variablesindependientes en estadística) y las salidas (variables dependientes). El rango de tareas que el Perceptrón puede manejar es, por lo tanto, mucho mayor que simples decisiones.
Por ejemplo, se puede entrenar una red para formar el tiempo pasado de los verbos en inglés, incluso leer texto en inglés y manuscrito. De hecho, existe NETtalk, un Perceptrón que es capaz de transformar texto en inglés ensonido individual (representaciones fonéticas) y la pronunciación con la utilización de un sintetizador de voz. Cuenta con aproximadamente 300 nodos de neuronas (siendo 80 en la capa escondida) y 20.000 conexiones individuales.
También puede ser usado para la predicción de una serie de datos en el tiempo, de hecho, ha tenido un gran éxito en la medición de la demanda de gas y electricidad.* Optimización de los procesos empresariales
Como resultado del diseño y la implementación de redes neuronales se puede mejorar la gestión empresarial, ya que estas redes aportan una no linealidad y una gran facilidad en utilizar datos adicionales (tanto numéricos como subjetivos) que en el modelo clásico de gestión empresarial no se tienen en cuenta. Considerando estos datos, se puede llegara obtener una gran mejora de los resultados y por lo tanto una optimización económica.
Las redes neuronales pueden también, dentro de los procesos empresariales, ayudar a la predicción de mercados financieros, como por ejemplo: bolsa, acciones,… La clave reside en sustituir los métodos de estadística clásica y de modelos lineales por las redes neuronales artificiales, por la misma razón queen el párrafo anterior.
* Predicción de quinielas futbolísticas
Las redes neuronales artificiales son potentes instrumentos con capacidad para aprender relaciones entre variables sin necesidad de imponer presupuestos o restricciones de partida en los datos. Operan sobre la base de reconocimiento de patrones y pueden adquirir conocimiento obtenido a partir de ejemplos. Esta forma de...
A lo largo del siguiente documento se pretenden exponer varias de las aplicaciones significativas de las redes neuronales artificiales y, en particular, del Perceptrón.
En un primer momento, se realizará un breve recorrido por los puntos cronológicos más destacables del perceptrón y se comentará brevemente su funcionalidad, aunque no es lo que más nos interesa ya que aparecebien desarrollada en la teoría de la asignatura. Después se dará paso a la descripción de aquellas aplicaciones del Perceptrón que resultan más interesantes o atractivas. Y finalmente, se ofrecerán una serie de conclusiones que han sido alcanzadas tras la investigación sobre el tema elegido y, en general, acerca de las redes neuronales artificiales.
Historia
El primer modelo de neurona fuepropuesto en el año 1943 por Warren McCulloch y Walter Pitts, el cual fue mejorado 5 años más tarde en sus aspectos biológicos por Donald Hebb. Este modelo de neurona es un modelo muy simple de una auténtica neurona biológica, aunque con la gran ventaja de que ésta puede ser implementada en un ordenador.
En 1962, Bernard Widrow propuso la regla de aprendizaje Widrow-Hoff, y Frank Rosenblattdesarrolló una prueba de convergencia y, definió el rango de problemas para los que su algoritmo aseguraba una solución. Este último diseñó uno de los primeros modelos de redes de neuronas que recibió el nombre de Perceptrón y que consistía en conectar varias de las neuronas simples de McCulloch y Pitts.
Rosenblatt describe estos Perceptrones como estructuras muy simplificadas, en las cualesciertas propiedades reales del sistema nervioso son muy enfatizadas, mientras otras son obviadas. Su intención es que sirvan como un modelo que pueda simular las funciones que realiza el cerebro humano.
Aplicaciones
Un Perceptrón es un “aproximador universal”, es decir, puede ser utilizado en aplicaciones donde no se tiene mucho conocimiento sobre la relación entre las entradas (variablesindependientes en estadística) y las salidas (variables dependientes). El rango de tareas que el Perceptrón puede manejar es, por lo tanto, mucho mayor que simples decisiones.
Por ejemplo, se puede entrenar una red para formar el tiempo pasado de los verbos en inglés, incluso leer texto en inglés y manuscrito. De hecho, existe NETtalk, un Perceptrón que es capaz de transformar texto en inglés ensonido individual (representaciones fonéticas) y la pronunciación con la utilización de un sintetizador de voz. Cuenta con aproximadamente 300 nodos de neuronas (siendo 80 en la capa escondida) y 20.000 conexiones individuales.
También puede ser usado para la predicción de una serie de datos en el tiempo, de hecho, ha tenido un gran éxito en la medición de la demanda de gas y electricidad.* Optimización de los procesos empresariales
Como resultado del diseño y la implementación de redes neuronales se puede mejorar la gestión empresarial, ya que estas redes aportan una no linealidad y una gran facilidad en utilizar datos adicionales (tanto numéricos como subjetivos) que en el modelo clásico de gestión empresarial no se tienen en cuenta. Considerando estos datos, se puede llegara obtener una gran mejora de los resultados y por lo tanto una optimización económica.
Las redes neuronales pueden también, dentro de los procesos empresariales, ayudar a la predicción de mercados financieros, como por ejemplo: bolsa, acciones,… La clave reside en sustituir los métodos de estadística clásica y de modelos lineales por las redes neuronales artificiales, por la misma razón queen el párrafo anterior.
* Predicción de quinielas futbolísticas
Las redes neuronales artificiales son potentes instrumentos con capacidad para aprender relaciones entre variables sin necesidad de imponer presupuestos o restricciones de partida en los datos. Operan sobre la base de reconocimiento de patrones y pueden adquirir conocimiento obtenido a partir de ejemplos. Esta forma de...
Leer documento completo
Regístrate para leer el documento completo.