Neurona  elemento de proceso Variantes y combinaciones: gran flexibilidad: ¿demasiada? Aprendizaje flexible:  Redes neuronales Respuesta de elemento.

Presentación del tema: "Neurona  elemento de proceso Variantes y combinaciones: gran flexibilidad: ¿demasiada? Aprendizaje flexible:  Redes neuronales Respuesta de elemento."— Transcripción de la presentación:

1 Neurona  elemento de proceso Variantes y combinaciones: gran flexibilidad: ¿demasiada? Aprendizaje flexible:  Redes neuronales Respuesta de elemento Interconexiones

2 Aproximador universal, ¿lento?, ¿seguro? ¿Opaco? Diseño indefinido Aprendizaje supervisado:  Perceptrones

3 Ejemplo: indexación doc1 doc2 doc3 doc4.......... doc n w1 w2....... wn punteros a documentos Red neuronal palabra

4 Buen interpolador Usa categorización por proximidad Aprendizaje supervisado:  Redes de base radial

5 Clasificación no preetiquetada Rápido Aprendizaje no supervisado:  Redes competitivas (SOM)

6 Ejemplo: zonificación

7 Recuperación a partir de contenido parcial Capacidad limitada Memoria asociativa:  Autoasociadores

8 Escalabilidad Perceptrón masivo (300 ocultos), 300 ciclos Intel Pentium 4 a 2,8 GHz, bus a 800 MHz, 1 MB cache, 1 GB RAM 35 000 datos 500 variables 5 horas

9 Análisis de algodón Estabilidad de estrato rocoso Reconocimiento de imágenes

10 Análisis de algodón Problema: Clasificar los restos de materiales en las balas de algodón Datos: amplia muestra de imágenes 640 £ 480 Proceso: Análisis de imagen Estadística y redes neuro-difusas Justificación teórica de los resultados Resultado publicado: 98%

11 Estabilidad de roca Problema: Determinar estabilidad de techos de mina Datos: 230 casos, 12 variables Proceso: Redes neuronales, perceptrón (4, 9 ocultos) y radial (43 ocultos) Diseño por validación cruzada Resultado publicado: ≥ 90%

12 Reconocimiento de imágenes Problema: Dados los píxels decir qué es (dentro de un conjunto acotado) Datos: típicamente decenas de miles de casos, decenas de píxels de lado Resultados publicados: Dígitos: Error del 0.2% (como personas) Señales de tráfico: 0.56% (personas ~1%, otras técnicas ~3%) Reconocimiento de fonemas: 18%

13 Implementación Tamaño: Hasta mil millones de parámetros Implementación: Clúster de 1000 equipos de 16 núcleos GPU: factor 50