¿Conoce usted lo que es un perceptrón? ´
En Juga Cerebralia hicimos el ejercicio de intentar definir al perceptrón en términos simples. Aquí el resultado:
Un perceptrón es un modelo matemático de la neurona. Fue desarrollado en los años 50 y 60 por el científico Frank Rosenblatt. Constituye la forma más básica de las "redes neurales artificiales": modelos computacionales basados en el comportamiento del sistema nervioso.
En el sistema nervioso, la neurona es la unidad básica de procesamiento. Algunas neuronas reciben información del exterior, por ejemplo las células de la retina que son estimuladas por la luz o las terminaciones nerviosas de las neuronas sensitivas, que tienen pequeños receptores para el tacto o el calor. Pero las neuronas de nuestro Sistema Nervioso Central (cerebro y médula espinal) reciben estímulos de otras neuronas, que les transmiten un mensaje en forma de cambios de voltaje. Cada neurona suma los estímulos eléctricos recibidos; sólo transmitirá el mensaje si la suma alcanza un "umbral" de potencial eléctrico, que hace que la electricidad se propague por su axón para así hacer sinapsis con otras neuronas. Si los cambios de voltaje inducidos por las otras neuronas no alcanzan el umbral, la neurona no disparará, ley que se conoce como "Ley del Todo o Nada".
Basado en esta idea, Frank Rosenblatt desarrolló su modelo matemático de procesamiento de información: Un perceptrón también recibe una señal de entrada (input) que puede venir de varias unidades. Estas entradas se integran en una "unidad sumatoria" y dan un resultado que se expresa a través de una unidad de salida (output) que dará siempre 0 (inactivado), si la suma no alcanzó el umbral, o 1 si la suma alcanza o supera el umbral (activado). Así, un perceptrón reconocerá patrones en la información recibida para dividirla en dos clases (resultado 0 o resultado 1), según un algoritmo o regla de aprendizaje implementado en la "unidad sumatoria". Dependiendo del output, se ajustará el modo en que se procesan las entradas para obtener el resultado deseado (algo así como aprendizaje por ensayo y error). A raíz de este primer modelo, se han desarrollado formas más complejas de redes neurales con perceptrones que tienen varias "capas" de uniones sumadoras (imitando los circuitos neuronales que están formados por varias neuronas que van integrando la información enviada por las neuronas que las preceden).
¿Y esto para qué sirve?
Las redes neurales son programas computacionales que utilizan para probar hipótesis de cómo se procesa información en el sistema nervioso y realizar tareas de inteligencia artificial.
El perceptrón simple funciona como un "clasificador lineal": detecta patrones, clasifica y hace asociaciones entre conjuntos de datos. Las formas más complejas de las redes neurales (perceptrón multicapa, backprop, redes convolucionales y el más reciente y prometedor: Deep Learning) están involucrados en software de reconocimiento de rostros, traductores y correctores automáticos (como google Translate), y muchas otras aplicaciones de la computación moderna.
¿Se entendió algo de lo que escribí? Conteste sí (1) o no (0).
------
Para más información:
En inglés,
------
Para más información:
En inglés,
http://neuralnetworksanddeeplearning.com/chap1.html
http://www.cs.stir.ac.uk/courses/ITNP4B/lectures/kms/2-Perceptrons.pdf
http://www.cs.stir.ac.uk/courses/ITNP4B/lectures/kms/2-Perceptrons.pdf
En español,
http://avellano.fis.usal.es/~lalonso/RNA/introMLP.htm
No hay comentarios:
Publicar un comentario