Ingieneria De Sistema
En esta presentación tan solo citaremos muy rápidamente la trayectoria de las redes neuronales.
McCulloch y Pitts dio origen a los modelos conexionistadefiniendo formalmente la neurona en 1943 como una maquina binaria con varias entradas y salidas.
Hebb, definió en 1949 dos conceptos muy importantes y fundamentales que
han pesado en el campo de lasredes neuronales, basándose en investigaciones psicofisiológicas:
• El aprendizaje se localiza en las sinapsis o conexiones entre las neuronas.
• La información se representan en el cerebro mediante unconjunto de neuronas activas o inactivas.
Las hipótesis de Hebb, se sintetizan en la regla de aprendizaje del hebb, que sigue siendo usada en los actuales modelos. Esta Regla nos dice que los cambiosen los pesos de las sinapsis se basan en la interacción entre las neuronas pre y postsinapsitcas.
La primera conferencia sobre IA en la cual se discutió sobre la capacidad de las computadoras parasimular el aprendizaje fue en 1956 en Dartmouth. A partir de ahí investigadores han desarrollado distintos tipos de redes neuronales que cito a continuación:
• 1959 Widrow Teoría sobre la adaptaciónneuronal y el Adaline (Adaptative Linear Neuron) y el Madaline (Multiple Adaline). Es la primera aplicación de las redes a problemas reales: filtros adaptativos para eliminar ecos en las líneastelefónicas.
• 1962, Rosemblatt El Perceptrón es un identificador de patrones ópticos binarios, y salida binaria. Dio lugar a regla de aprendizaje delta, que permitía emplear señales continuas de entrada ysalida.
• 1969, Minsky y Papert una seria crítica del Perceptrón que dada su naturaleza lineal tenia bastantes limitaciones, provocó una caída en picado de las investigaciones y una época gris paralas redes neuronales.
• 1977, Anderson Los Modelos de memorias asociativas. Investiga el autoasociador lineal brain-state-in-a-box
• Años 80, Rumelhart, McClelland & Hinton crean el grupo PDP...
Regístrate para leer el documento completo.