<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Línea del Tiempo de las Redes Neuronales by JOSE DANIEL VELA HERNANDEZ</title>
      <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr</link>
      <description>Explorando el desarrollo de las redes neuronales a lo largo del tiempo.</description>
      <language>en-us</language>
      <pubDate>2024-10-23 01:05:22 UTC</pubDate>
      <lastBuildDate>2024-10-23 01:30:43 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url></url>
      </image>
      <item>
         <title>1936 - Alan Turing.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604109</link>
         <description><![CDATA[<p>Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal fueron Warren McCulloch, un neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943, lanzaron una teoría acerca de la forma de trabajar de las neuronas (Un Cálculo Lógico de la Inminente Idea de la Actividad Nerviosa - Boletín de Matemática Biofísica 5: 115-133). Ellos modelaron una red neuronal simple mediante circuitos eléctricos.</p>]]></description>
         <enclosure url="https://cdn.printerval.com/unsafe/960x960/asset/111049560a1d1c1a0d1a1a141d56161d0c571115191f1d564b4a494a4940404b4e48564b414f4f571e14190c544f4d480054484f4d541e5508191c544f4d480049484848541e401e401e405612081f" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604109</guid>
      </item>
      <item>
         <title>1949 - Donald Hebb.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604111</link>
         <description><![CDATA[<p>Escribió un importante libro: La organización del comportamiento, en el que se establece una conexión entre psicología y fisiología. Fue el primero en explicar los procesos del aprendizaje (que es el elemento básico de la inteligencia humana) desde un punto de vista psicológico, desarrollando una regla de como el aprendizaje ocurría. Aun hoy, este es el fundamento de la mayoría de las funciones de aprendizaje que pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una neurona eran activados. También intentó encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teoría de las Redes Neuronales.</p>]]></description>
         <enclosure url="https://psicologiaymente.com/biografias/donald-hebb" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604111</guid>
      </item>
      <item>
         <title>1950 - Karl Lashley.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604113</link>
         <description><![CDATA[<p>En sus series de ensayos, encontró que la información no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de é</p>]]></description>
         <enclosure url="https://www.google.com/url?sa=i&amp;url=https%3A%2F%2Fpsychology.fas.harvard.edu%2Fpeople%2Fkarl-lashley&amp;psig=AOvVaw2BcGDoDVjTwq5c-suW-1UA&amp;ust=1729732341845000&amp;source=images&amp;cd=vfe&amp;opi=89978449&amp;ved=0CBQQjRxqFwoTCIjxkqKpo4kDFQAAAAAdAAAAABAR" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604113</guid>
      </item>
      <item>
         <title>1956 - Congreso de Dartmouth.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604114</link>
         <description><![CDATA[<p>Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial.</p>]]></description>
         <enclosure url="" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604114</guid>
      </item>
      <item>
         <title>1957 - Frank Rosenblatt.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604117</link>
         <description><![CDATA[<p>Comenzó el desarrollo del Perceptrón. Esta es la red neuronal más antigua; utilizándose hoy en día para aplicación como reconocedor de patrones. Este modelo era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado anteriormente. Sin embargo, tenía una serie de limitaciones, por ejemplo, su incapacidad para resolver el problema de la función OR-exclusiva y, en general, era incapaz de clasificar clases no separables linealmente. En 1959, escribió el libro Principios de Neurodinámica, en el que confirmó que, bajo ciertas condiciones, el aprendizaje del Perceptrón convergía hacia un estado finito (Teorema de Convergencia del Perceptrón).</p>]]></description>
         <enclosure url="https://www.google.com/url?sa=i&amp;url=https%3A%2F%2Fes.wikipedia.org%2Fwiki%2FFrank_Rosenblatt&amp;psig=AOvVaw3io1Ssd2pvoKmfdE1mYKT1&amp;ust=1729732635566000&amp;source=images&amp;cd=vfe&amp;opi=89978449&amp;ved=0CBQQjRxqFwoTCNCrp6uqo4kDFQAAAAAdAAAAABAE" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604117</guid>
      </item>
      <item>
         <title>1960 - Bernard Widrow/Marcial Hoff.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604119</link>
         <description><![CDATA[<p>Desarrollaron el modelo Adaline (ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos en las líneas telefónicas) que se ha utilizado comercialmente durante varias décadas</p>]]></description>
         <enclosure url="https://www.google.com/url?sa=i&amp;url=https%3A%2F%2Fen.wikipedia.org%2Fwiki%2FBernard_Widrow&amp;psig=AOvVaw0oqUrDiesI-VsjiSueg6Jw&amp;ust=1729732732532000&amp;source=images&amp;cd=vfe&amp;opi=89978449&amp;ved=0CBQQjRxqFwoTCPD73dmqo4kDFQAAAAAdAAAAABAE" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604119</guid>
      </item>
      <item>
         <title>1961 - Karl Steinbeck: Die Lernmatrix</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604120</link>
         <description><![CDATA[<p>Red neuronal para simples realizaciones técnicas (memoria asociativa).</p>]]></description>
         <enclosure url="" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604120</guid>
      </item>
      <item>
         <title>1967 - Stephen Grossberg</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604125</link>
         <description><![CDATA[<p>A partir de sus conocimientos fisiológicos, ha escrito numerosos libros y desarrollado modelo de redes neuronales. Realizó una red: Avalancha, que consistía en elementos discretos con actividad que varía en el tiempo que satisface ecuaciones diferenciales continuas, para resolver actividades como reconocimiento continuo de habla y aprendizaje de los brazos de un robot</p>]]></description>
         <enclosure url="https://www.google.com/imgres?q=1967%20-%20Stephen%20Grossberg&amp;imgurl=https%3A%2F%2Fupload.wikimedia.org%2Fwikipedia%2Fcommons%2Fd%2Fd3%2FStephen_Grossberg_in_July%252C_2016.jpg&amp;imgrefurl=https%3A%2F%2Fen.wikipedia.org%2Fwiki%2FStephen_Grossberg&amp;docid=pPIgBKwkCNchBM&amp;tbnid=CAhXzt6BclXyEM&amp;vet=12ahUKEwjX5o2nq6OJAxXGlIkEHWaUFIEQM3oECBQQAA..i&amp;w=2343&amp;h=3174&amp;hcb=2&amp;ved=2ahUKEwjX5o2nq6OJAxXGlIkEHWaUFIEQM3oECBQQAA" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604125</guid>
      </item>
      <item>
         <title>1980 - Kunihiko Fukushima.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604126</link>
         <description><![CDATA[<p>Desarrolló un modelo neuronal para el reconocimiento de patrones visuales..</p>]]></description>
         <enclosure url="https://www.google.com/url?sa=i&amp;url=https%3A%2F%2Fwww.hiroshimapeacemedia.jp%2F%3Fp%3D26926%26query%3Dc&amp;psig=AOvVaw3EOoiRTjx_c9YZgoFNw1-b&amp;ust=1729733137090000&amp;source=images&amp;cd=vfe&amp;opi=89978449&amp;ved=0CBQQjRxqFwoTCLjvtJqso4kDFQAAAAAdAAAAABAY" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604126</guid>
      </item>
      <item>
         <title>1986 - David Rumelhart/G. Hinton.</title>
         <author>a000007055</author>
         <link>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604127</link>
         <description><![CDATA[<p>Redescubrieron el algoritmo de aprendizaje de propagación hacia atrás (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales. En la actualidad, son numerosos los trabajos que se realizan y publican cada año, las aplicaciones nuevas que surgen (sobretodo en el área de control) y las empresas que lanzan al mercado productos nuevos, tanto hardware como software (sobre todo para simulación).</p>]]></description>
         <enclosure url="https://www.google.com/url?sa=i&amp;url=https%3A%2F%2Fen.wikipedia.org%2Fwiki%2FDavid_Rumelhart&amp;psig=AOvVaw3oeuo7LBcTGb0RgiB70D_e&amp;ust=1729733365108000&amp;source=images&amp;cd=vfe&amp;opi=89978449&amp;ved=0CBQQjRxqFwoTCJjGlIeto4kDFQAAAAAdAAAAABAZ" />
         <pubDate>2024-10-23 01:05:23 UTC</pubDate>
         <guid>https://padlet.com/a000007055/h3nd4ew7wmtae5xr/wish/3182604127</guid>
      </item>
   </channel>
</rss>
