1art 090922021946 phpapp02
M en c. José Luis Cal
1
Introducción
Fue
propuesta por Grossman en un articulo en
1976 sobre aprendizaje cognoscitivo de
patrones.
Dilema en Redes neuronales: EstabilidadPlasticidad.
Las redes feedforward tienen el problema que
ante nuevos datos tienden a eliminar los
anteriores “perdida de memoria”
MARZO DE
M en c. José Luis Cal
2
Introducción
DILEMAS DE S. GROSSBERG
Plasticidad
del aprendizaje: Cómo
una red podría aprender nuevos
patrones.
Estabilidad
del aprendizaje: Cómo
una red podría retener los patrones
previamente aprendidos.
Esta teoría
competitivos
competitivo).
MARZO DE
se aplica a sistemas
(redes
de
aprendizaje
M en c. José Luis Cal
3
Términos
Plasticidad:
La habilidad para cambiar o deformar.
Estabilidad: La habilidad para recordarlo
aprendido anteriormente.
Resonancia: aplicación repetida de una señal
(vector, patrón de entrada). Esto refleja la
comunicación continua de dos neuronas.
Adaptación : cambio formulado como resultado
de la resonancia
MARZO DE
M en c. José Luis Cal
4
Antecedentes
ART1
Desarrollada por G. Carpenter y S.
Grossberg en 1986. Maneja información
binaria.
ART2 Maneja información de entradaen
valores analógicos (escala de grises) 1987.
ART3 maneja entradas analógicas, es mas
compleja, fue desarrollada en 1989, usa
transmisores químicos.
MARZO DE
M en c. José Luis Cal
5
Stephen
Grossberg
He is one of the principal founders of the fields of
computational neuroscience, connectionist cognitive
science, and artificial neural network research. He is
Wang Professor of Cognitive andNeural Systems and
Professor
of
Mathematics,
Psychology,
and
Biomedical Engineering at Boston University. He is
Co-Editor-in-Chief of the journal Neural Networks,
which is the official journal of the three major neural
modeling societies in the world.
MARZO DE
M en c. José Luis Cal
6
Gail A.
Carpenter
Professor of Cognitive and Neural
Systems and Mathematics
Director of Graduate Studies,Department of Cognitive and
Neural Systems
PhD, Mathematics, University of
Wisconsin, Madison
Learning and memory, synaptic
processes, pattern recognition,
remote sensing, medical
database analysis, machine
learning, differential equations.
MARZO DE
Department of Cognitive
and Neural Systems
Boston University
677 Beacon Street, Boston,
Massachusetts 02215 USA
E-mail:
gail@cns.bu.edu
M en c. JoséLuis Cal
7
Características
de ART
MARZO DE 2003
M en c. José Luis Calderón O.
8
La
teoría de la resonancia
adaptativa se basa en la idea
de
hacer
resonar
la
información de entrada con
los
representantes
o
prototipos de las categorías
que reconoce la red.
MARZO DE
M en c. José Luis Cal
9
Si
entra en resonancia con alguno,
y es suficientemente similar
La red considera que pertenecea
dicha categoría y únicamente
realiza una pequeña adaptación
del prototipo almacenado
Incorpora algunas características
del dato presentado en la entrada.
MARZO DE
M en c. José Luis Cal
10
Cuando
no resuena con ninguno,
esto es, cuando no se parece a
ningún representante de alguna
categoría (recordados por la red
hasta ese momento),
Crea
una nueva categoría con el
dato de entradacomo prototipo.
MARZO DE
M en c. José Luis Cal
11
Características
de la ART
• Aprendizaje No supervisado y ON LINE.
• Aprendizaje Competitivo (the winnertake-all)
• Soluciona el dilema de la estabilidad y
la plasticidad.
• Estas redes usan un mecanismo
especial de realimentación entre las
neuronas de la capa de salida (las
competitivas) y las de la capa de
entrada.
MARZO DE
M en c. José LuisCal
12
Propiedades
MARZO DE 2003
M en c. José Luis Calderón O.
13
Propiedades
de la ART1
Aprende
constantemente información
significativa.
Un conocimiento nuevo no destruye la
información anterior.
Recuerda rápidamente un patrón de
entrada si este ya se ha aprendido.
Funciona como una memoria asociativa
autónoma.
MARZO DE
M en c. José Luis Cal
14
Propiedades
de la ART1 (2)
...
Regístrate para leer el documento completo.