computacion neuronal




COMPUTACION NEURONAL

RESUMEN 3ª UNIDAD

19/04/2013

A



Contenido















COMPUTACION NEURONAL






INTRODUCCION


Las redes neuronales son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. No son más que un modelo artificial y simplificado del cerebro humano. Unared neuronal es "un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona".
Las Redes Neuronales:
Consisten de unidades de procesamiento que intercambian datos o información.
Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuenciasde tiempo, tendencias financieras.
Tienen capacidad de aprender y mejorar su funcionamiento.
Se pueden clasificar en dos modelos:
1) El modelo de tipo biológico. Este comprende las redes que tratan de simular los sistemas neuronales biológicos, así como las funciones auditivas o algunas funciones básicas de la visión.
2) El modelo dirigido a aplicación. Este modelo no tiene por qué guardar similitud con los sistemasbiológicos. Su arquitectura está fuertemente ligada a las necesidades de las aplicaciones para la que es diseñada.






HISTORIA DE LAS REDES NEURONALES

Las primeras explicaciones teóricas sobre el cerebro y el pensamiento ya fueron dadas ya por Platón (427-347 a.C.) y Aristóteles (348-422 a.C.). Las mismas ideas también las mantuvo Descartes (1569-1650) y los filósofos empiristas del sigloXVIII.
La clase de las llamadas máquinas cibernéticas, a la cual la computación neuronal pertenece, tiene más historia de la que se cree: Herón (100 a.C) construyó un autómata hidráulico.
1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal fueronWarren McCulloch, y Walter Pitts quienes, en 1943, lanzaron una teoría acerca de la forma de trabajar de las neuronas. Ellos modelaron una red neuronal simple mediante circuitos eléctricos.
1949 - Donald Hebb.  El establece una conexión entre psicología y fisiología. Fue el primero en explicar los procesos del aprendizaje desde un punto de vista psicológico. Su idea fue que el aprendizaje ocurríacuando ciertos cambios en una neurona eran activados.
1950 - Karl Lashley. Encontró que la información no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de él.
1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial.
1957 - Frank Rosenblatt. Comenzó el desarrollo del Perceptrón. Esta esla red neuronal más antigua; este modelo era capaz de reconocer patrones después de haber aprendido una serie de ellos. Confirmó que, bajo ciertas condiciones, el aprendizaje del Perceptrón convergía hacia un estado finito.
1960 - Bernard Widrow/Marcial Hoff. Desarrollaron el modelo Adaline (ADAptative LINear Elements). Esta fue la primera red neuronal para eliminar ecos en las líneas telefónicas.1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones técnicas (memoria asociativa).
1967 - Stephen Grossberg.  Realizó una red: Avalancha, que consistía en elementos discretos con actividad que varía en el tiempo que satisface ecuaciones diferenciales continuas, para resolver actividades como reconocimiento continuo de habla y aprendizaje de los brazos de un robot.1969 - Marvin Minsky/Seymour Papert. Probaron (matemáticamente) que el Perceptrón no era capaz de resolver problemas relativamente fáciles, tales como el aprendizaje de una función no-lineal. Esto demostró que el Perceptrón era muy débil.
1974 - Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation).
1977 - Stephen Grossberg. Teoría...