T63, 64. Id Pregunta: 731. Redes neuronales

Temas relacionados con el examen de test
Cerrado
Avatar de Usuario
BeneGesserit
PreparaTIC25
Mensajes: 44
Registrado: 06 Abr 2010, 14:02
Agradecido: 0
Agradecimiento recibido: 0

T63, 64. Id Pregunta: 731. Redes neuronales

Mensaje por BeneGesserit »

1) Identifique cuál de los siguientes nombres no se corresponde con la denominación de alguna de las Redes Neuronales de una capa:
Tema: 63,64. Id Pregunta: 731. Examen TIC MAP B 2004.
a) Perceptron
b) Adaline
c) Art
d) Madaline
Da como buena la respuesta c), pero por lo que he encontrado en la red, en base al perceptrón (de una capa) se han desarrollado otros modelos de red neuronal como la red Adaline y las redes multicapa, como la red Madaline, que surge con una idea semejante a la del Perceptrón Multinivel como una combinación de módulos Adaline básicos en una estructura de capas. Entonces la d) tampoco sería una red neuronal de una capa.
En cuanto a Art, puede ser un modelo de la teoría de la resonancia adaptativa, que es una red de dos capas. O también puede referirse a ART (Automate Reasoning Tool) que no tendría nada que ver con esto.
¿Tiene alguien alguna pista más sobre estas redes?

Avatar de Usuario
Miguelinho
Usuario registrado
Mensajes: 787
Registrado: 16 Sep 2013, 00:28
Agradecido: 0
Agradecimiento recibido: 0

Re: T63, 64. Id Pregunta: 731. Redes neuronales

Mensaje por Miguelinho »

Hola BeneGesserit,

Madaline es multicapa, por lo que la (d) fijo que no se correspondería con una red neuronal de una capa. Sobre las redes neuronales, elaboré en su día unos apuntes. Hago un copia / pega de mis apuntes, por si te fuesen de utilidad.

Los modelos o arquitecturas de redes neuronales que más interés han despertado en la comunidad científica son: el perceptrón simple, las redes neuronales Adaline y Madeline, el perceptrón multicapa, la red neuronal de Hopfield, la red neuronal de Kohonen y la red competitiva ART.

El perceptrón simple es una arquitectura unidireccional compuesta por varias neuronas de entrada conectadas a una única neurona de salida. La red neuronal Adaline mantiene un estrecho parecido con el perceptrón simple. La diferencia entre ambas es la manera de utilizar la salida en la regla de aprendizaje. El perceptrón simple utiliza la salida de la función umbral para el aprendizaje. Esta salida es binaria y, por tanto, sólo se tiene en cuenta si se ha equivocado o no. En Adeline se utiliza directamente la salida de la red. Esta salida es real y, en consecuencia, se tiene en cuenta cuánto se ha equivocado. La regla de aprendizaje de Adaline se conoce como regla delta. La gran limitación del perceptrón simple y de la red neuronal Adaline es que sólo sirven para clasificar problemas linealmente separables.

Las redes neuronales Madaline están formadas por múltiples redes neuronales Adaline. Las redes Madaline son capaces de resolver problemas que no son linealmente separables. Madaline tuvo su aplicación en el mundo real al usarse como filtro para eliminar el eco en las líneas telefónicas.

El perceptrón multicapa es una red neuronal con propagación hacia adelante que incluye una o más capas ocultas. La inclusión de un único nivel de neuronas ocultas resulta suficiente para que el perceptrón multicapa actúe como un aproximador universal de funciones. La regla delta generalizada con retropropagación de errores (backpropagation) constituye el modelo de aprendizaje más utilizado para el perceptrón multicapa.

La red neuronal de Hopfield es una arquitectura formada por una única capa cuyos nodos se encuentran conectados lateralmente. La red neuronal de Hopfield se utiliza como memoria autoasociativa.

Tanto la red neuronal de Kohonen como la red competitiva ART emplean el aprendizaje competitivo. En su forma más simple, el aprendizaje competitivo usa inhibición lateral de modo que quede activada una única neurona de salida. Las redes de Kohonen son también denominadas mapas auto-organizados (SOM, Self-Organizing Maps). Un mapa auto-organizado es una herramienta que analiza datos en muchas dimensiones con relaciones complejas entre ellos y los presenta en una visualizacón sencilla que posee únicamente dos dimensiones. La propiedad más importante de una red de Kohonen es que preserva las propiedades topológicas de los datos, es decir, que los datos próximos aparecen próximos en la visualización.


Un saludo,

Miguel

Avatar de Usuario
BeneGesserit
PreparaTIC25
Mensajes: 44
Registrado: 06 Abr 2010, 14:02
Agradecido: 0
Agradecimiento recibido: 0

Re: T63, 64. Id Pregunta: 731. Redes neuronales

Mensaje por BeneGesserit »

¡Genial explicado! Gracias otra vez.
Un abrazo,

Cerrado

Volver a “PRIMER EXAMEN 2014”