Redes Neuronales

Redes Neuronales

1. Perceptrón

   • Creado por Frank Rosenblatt en 1957
     • Unicapa y multicapa
       • Le permiten resolver problemas que son linealmente separables
     • Su exito inicial se debio a que era capaz de aprender patrones sencillos
     • Es de aprendizaje supervisado
     • Utiliza señales binarias tanto de entrada como de salida de las neuronas

2. Mapas auto-organizados de Kohonen

   • En 1982 Teuvo Kohonen presentó un sistema con un comportamiento semejante al del cerebro.
   • Tiene la capacidad de formar mapas de características de manera similar a como ocurre en el cerebro.
   • Aprendizaje no supervisado
   • Algoritmo:SOM de Kohonen
   • es utilizada en el reconocimiento de patrones (voz, texto, imágenes, señales,etc)

3. Backpropagation

   • En 1986, Rumelhart, Hinton y Williams diseñaron la red Backpropagation
   • Es un sistema automático de entrenamiento de redes neuronales con capas ocultas
   • Backpropagation esta basada en la generalización de la regla Delta también exige que la función de activación de las neuronas sea derivable y creciente.

4. Red de Hopfield

   • Creada en los años 1980 por John Hopfield
   • Red monocapa con n neuronas cuyos valores de salida pueden ser binarios o continuos.
     • El conjunto permitido de valores de entrada y salida es {0, 1} (o en alguna oportunidad {-1, 1})
   • Aprendizaje no supervizado

5. Funciones radiales RBF

   • Desarrolladas por Broomhead y Lowe (1988), J. Moody y C. Darken (1989)
   • están basados en unidades (neuronas) que producen a la salida una función lineal del producto escalar del vector de entrada y el vector de pesos.
   • son frecuentemente utilizadas para resolver problemas de clasificación, aunque generalmente son para problemas de Mapeo y poseen capacidades de “aproximación universal.
   • aprendizaje o entrenamiento híbrido
     • -No supervisado (capa de entrada).
     • supervisado (capa de salida).

6. ADALINE

   • Desarrollada en 1959 por Bernard Widrow
     • La Adaline y una versión de dos capas, llamada "Madaline"
   • en distintas aplicaciones como reconocimiento de voz y caracteres, predicción del tiempo, control adaptativo y sobre todo en el desarrollo de filtros adaptativos que eliminen los ecos de las líneas telefónicas.
   • Tipo de aprendizaje supervisado.

7. Red Hamming

   • En 1987 Richard P. Lippmann creó la red Hamming
   • utiliza la denominada distancia de Hamming, computacionalmente es el numero de bits en el cual difieren dos palabras en el computador

8. Resonancia Adaptiva (ART)

   • En 1976- 1986 Stephen Grossberg y Gail Carpenter desarrollaron la denominada Teoría de la Resonancia Adaptiva (ART).
     • capaz automáticamente de encontrar categorías y crear nuevas cuando se necesiten.
     • Red ART 1
       • aborda problemas de reconocimiento y prediccion de patrones
       • capacidad autoorganizativa sin supervisión
     • Red ART 2
       • evolución de la ART 1
       • matriz de peso cuadrada y simétrica

9. Redes neuronales convolucionales (CNN)

   • introducido por Kunihiko Fukushima en 1980 Este modelo fue más tarde mejorado por Yann LeCun et al. en 1998
   • Aprendizaje supervisado
   • Estan bio inspirados en la visión humana
   • usadas en procesamiento de imágenes.

10. Redes neuronales recurrente (RNN)

    • basadas en el trabajo de David Rumelhart en 1986
      • Es eficiente en el reconocimiento del habla y el lenguaje.
      • su arquitectura es la que mas se asemeja a las redes neuronales biologicas

Bilder und Dateien der Mindmap