Redes neuronales
Páginas: 3 (745 palabras)
Publicado: 1 de mayo de 2010
Redes Neuronales
Método de aprendizaje automático basado en el funcionamiento del cerebro. Las células llamadas neuronas son una unidad de procesamiento que recibe un estimulo eléctrico de otrasneuronas principalmente a través de su árbol dendrítico. El estimulo eléctrico recibido al pasar de un cierto umbral causa que la neurona a su vez imprima una señal eléctrica a través de su axón aotras neuronas.
Redes Neuronales
Modelo biológico: Modelo matemático:
• El cerebro tiene unas 1010 neuronas • Conexiones por neurona: 104-5 • Tiempo de activación/desactivación 0.001 seg. • Tiempoen reconocer una cara 0.1 seg • Computación paralela!
Redes Neuronales
Historia: 1943 - Warren McCulloch y Walter Pitts, primer modelo. 1962 - Widrow & Hoff desarrollan un método de aprendizaje.1963-1980 olvidadas 1980- Múltiples aplicaciones y diferentes modelos
Redes Neuronales
Funciones lineales: f(x) = x. Funciones paso: Dan una salida binaria dependiente de si el valor de entradaestá por encima o por debajo del valor umbral. Funciones sigmoidales: Funciones monótonas acotadas que dan una salida gradual no lineal.
Redes Neuronales
Perceptrón simple: Un perceptrón calcula lasuma ponderada de los valores de entrada. Por simplicidad, suponemos que tenemos dos valores de entrada, x e y para un perceptrón P. Sean los pesos A y B, por tanto la suma ponderada será: A x + B y.Podemos escribir que la salida del perceptrón no sea cero si la suma ponderada excede de un valor C: Salida de P= 1 if A x + B y > C 0 if A x + B y < = C
Redes Neuronales
Por tanto A x + B y > Cy A x + B y < C son dos regiones en el plano x y separados por la línea A x + B y + C = 0. Si consideramos la entrada (x,y) como un punto del plano entones el perceptrón nos dice a que región delplano pertenece el punto de entrada. Estas regiones, se llaman linealmente separables. Este resultado es útil ya que algunas funciones lógicas como AND, OR o NOT son operadores linealmente separables...
Método de aprendizaje automático basado en el funcionamiento del cerebro. Las células llamadas neuronas son una unidad de procesamiento que recibe un estimulo eléctrico de otrasneuronas principalmente a través de su árbol dendrítico. El estimulo eléctrico recibido al pasar de un cierto umbral causa que la neurona a su vez imprima una señal eléctrica a través de su axón aotras neuronas.
Redes Neuronales
Modelo biológico: Modelo matemático:
• El cerebro tiene unas 1010 neuronas • Conexiones por neurona: 104-5 • Tiempo de activación/desactivación 0.001 seg. • Tiempoen reconocer una cara 0.1 seg • Computación paralela!
Redes Neuronales
Historia: 1943 - Warren McCulloch y Walter Pitts, primer modelo. 1962 - Widrow & Hoff desarrollan un método de aprendizaje.1963-1980 olvidadas 1980- Múltiples aplicaciones y diferentes modelos
Redes Neuronales
Funciones lineales: f(x) = x. Funciones paso: Dan una salida binaria dependiente de si el valor de entradaestá por encima o por debajo del valor umbral. Funciones sigmoidales: Funciones monótonas acotadas que dan una salida gradual no lineal.
Redes Neuronales
Perceptrón simple: Un perceptrón calcula lasuma ponderada de los valores de entrada. Por simplicidad, suponemos que tenemos dos valores de entrada, x e y para un perceptrón P. Sean los pesos A y B, por tanto la suma ponderada será: A x + B y.Podemos escribir que la salida del perceptrón no sea cero si la suma ponderada excede de un valor C: Salida de P= 1 if A x + B y > C 0 if A x + B y < = C
Redes Neuronales
Por tanto A x + B y > Cy A x + B y < C son dos regiones en el plano x y separados por la línea A x + B y + C = 0. Si consideramos la entrada (x,y) como un punto del plano entones el perceptrón nos dice a que región delplano pertenece el punto de entrada. Estas regiones, se llaman linealmente separables. Este resultado es útil ya que algunas funciones lógicas como AND, OR o NOT son operadores linealmente separables...
Leer documento completo
Regístrate para leer el documento completo.