INSTITUTO TECNOLOGICO DE QUERETARO


HISTORIA Y APLICACIÓN DE LOS SISTEMAS DE CONTROL DISEÑADOS MEDIANTE REDES NEURONALES.
Historia
En 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 fueron Warren McCulloch, un neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943,lanzaron una teoría acerca de la forma de trabajar de las neuronas (Un Cálculo Lógico de la Inminente Idea de la Actividad Nerviosa). Ellos modelaron una red neuronal simple mediante circuitos eléctricos.
En 1949 Donald Hebb fue el primero en explicar los procesos del aprendizaje (que es el elemento básico de la inteligencia humana) desde un punto de vista psicológico, desarrollando una regla de como elaprendizaje ocurría aun este es el fundamento de la mayoría de las funciones de aprendizaje que pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una neurona eran activados. También intentó encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teoría de las Redes Neuronales.
Otro pionerofue el psicólogo Frank Rosenblatt de la Universidad de Cornell, en 1959, Rosenblatt construyo una maquia neuronal simple que el llamo perceptron, el perceptron tenía una matriz con 400 fotoceldas que se conectaban aleatoriamente a 512 unidades tipo neurona. Cuando se presentaba un patrón a las unidades sensores, estas enviaban una señal a un banco de neuronas que indicaba la categoría del patrón,gracias a esto se reconocía todas las letras del alfabeto con el perceptron creado por Rosenblatt.
En los años cincuenta y sesenta el movimiento en redes neuronales fue liberado por Bernard Widrow y Marcial Hoff. En 1959 desarrollaron los modelos ADALINE (Adaptive Linear Elements) y MADALINE (Múltiple ADALINE), estos modelos fueron los primeros en aplicarse a problemas reales (filtros adaptivospara eliminar ecos en las líneas telefónicas).
En 1967 Sthephen Grossberg realizo una red llamada Avalancha, que consiste en elementos discretos con actividad que varía con el tiempo que satisface ecuaciones diferenciales continuas, para resolver actividades tales como reconocimiento continuo del habla y aprendizaje del movimiento de los brazos de un robot. Además junto con Gail Carpenter de launiversidad Northeasten han propuesto un modelo de red neuronal llamado ART (Adaptive Resonance Theory).
En 1969 Marvin Misnsky y Seymour Papert publicaron un libro llamado Perceptrons que además de contener un análisis matemático detallado del perceptron, se consideraba la extensión a Perceptrones multinivel, este libro surgio por la necesidad de que el perceptron presentaba grandes limitacionessobre todo la incapacidad de sintetizar la función lógica XOR.
En 1974 Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation); cuyo significado quedó definitivamente aclarado en 1985.
En 1977 Stephen Grossberg: Teoría de Resonancia Adaptada (TRA). La Teoría de Resonancia Adaptada es una arquitectura de red que se diferencia de todas las demáspreviamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo.
En 1982 John Hopfield presento una red que llevaba su mismo nombre; una variación del Asociado Lineal, pero, además, mostro como tales redes pueden trabajar y que pueden hacer entre sus aplicaciones la reconstrucción de patrones y la optimización, se utilizan funciones de energía para entenderredes dinámicas.
En 1985 John Hopfield. Provocó el renacimiento de las redes neuronales con su libro: “Computación neuronal de decisiones en problemas de optimización.”
En 1986 Rumenhart Hunton y Williams redescubren el algoritmo de “back-Propagation” (desarrollado en 1974 por Paul Werbor) para el aprendizaje de redes neuronales, entre sus aplicaciones están la síntesis de voz de texto y control...