Rnas

Redes
Neuronales
Artificiales
Dr. Juan José Flores Romero
División de Estudios de Posgrado
Facultad de Ingeniería Eléctrica
juanf@zeus.umich.mx
http://lsc.fie.umich.mx/~juan/

Curso RedesNeuronales Artificiales
CONTENIDO







Introducción
Aprendizaje
Perceptrones mono-nivel
Perceptrones multi-nivel
Otras Arquitecturas

Redes Neuronales

2

Redes NeuronalesArtificiales

1.- INTRODUCCION
Inteligencia Artificial

Redes Neuronales

3

Cerebro Humano







Redes Neuronales

1011 Neuronas
(procesadores)
Poder
desconocido
1000 –10000
conecciones por
neurona
4

Neuronas

Redes Neuronales

5

Neuronas Artificiales





Súper-simplificación
Analogía Metafórica
Sorprendente poder de cómputo

RedesNeuronales

6

A Very Brief History













William James (1890): Describe (en palabras y figuras) redes
distribuídas simples y el aprendizaje de Hebbian.
McCulloch & Pitts(1943): Unidades binarias con barrera de activación
que realizan operaciones lógicas (prueban computación universal!).
Hebb (1949): Formulación de una regla fisiologica (local) de
aprendizaje.Rosenblatt (1958): El Perceptrón—la primera máquina real que
aprende.
Widrow & Hoff (1960): ADALINE y la regla Widrow-Hoff de aprendizaje
supervisado.
Minsky & Papert (1969): Las limitaciones delperceptrón—el ―Invierno
Neuronal‖
v.d.Malsburg (1973): Mapas Auto-organizables.
Grossberg (1980): Theoría de la Resonancia Adaptiva.
Hopfield (1982/84): Redes de Atractores. Teoría de patrones deasociación y memoria.
Kohonen (1982): Mapas Auto-organizables.
Rumelhart, Hinton, & Williams (1986): Backpropagation

Redes Neuronales

7

Características de RNAs










Elestilo de procesamiento es mas bien como el de
procesamiento de señales, no simbólico. La combinación de
señales para producir nuevas señales contrasta con la ejecución
de instrucciones...