Redes neuronales 8J1 by YASMIN OSORIO SANDOVAL

1949 Donald Hebb

2025-03-15 00:59:09 UTC

la contribución de Donald Hebb a las redes neuronales fue fundamental, ya que su teoría de la plasticidad neuronal y la regla de Hebb proporcionaron una base para entender cómo se forman las conexiones entre las neuronas y cómo se pueden modificar a través del aprendizaje.

1962 Frank Rosenblat

2025-03-15 01:01:17 UTC

Rosenblatt formalizó matemáticamente cómo los perceptrones pueden aprender a clasificar patrones mediante un proceso de ajuste de pesos basado en el aprendizaje supervisado. También abordó las limitaciones y posibles extensiones del modelo

1969 Marvin Minsky

2025-03-15 01:01:23 UTC

Marvin Minsky publicó el libro Perceptrons, donde analizaron las limitaciones de los primeros modelos de redes neuronales, especialmente los perceptrones de una sola capa. Demostraron que estos modelos no podían resolver problemas como la función XOR sin una capa oculta.

Micael y Luis

1960 Bernard Widrow Yayo Rogelio

2025-03-15 01:02:32 UTC

Importancia en las Redes Neuronales

• Introdujo principios clave del aprendizaje supervisado.

• Sentó las bases para algoritmos de aprendizaje como el descenso de gradiente.

• Inspiró el desarrollo de redes neuronales más avanzadas en décadas posteriores.

Contribuciones clave (1960)

1. ADALINE:

• Es un modelo de red neuronal basado en una sola neurona con una función de activación lineal.

• Usa el algoritmo de la regla delta, una versión temprana del descenso de gradiente para ajustar los pesos de la red y minimizar el error.

• Se utilizó en aplicaciones tempranas de reconocimiento de patrones y procesamiento de señales.

2. MADALINE:

• Una extensión de ADALINE con múltiples capas.

• Considerada una de las primeras redes neuronales multicapa con entrenamiento supervisado.

• Se aplicó en la cancelación de eco en líneas telefónicas.

1985 Stephen Grossberg

2025-03-15 01:03:22 UTC

Realizó una importante contribución al campo de las redes neuronales a través de su trabajo en el desarrollo de modelos de redes neuronales autoorganizadas y de aprendizaje competitivo, particularmente mediante la teoría del aprendizaje competitivo y la red llamada "ART" (Adaptive Resonance Theory). La principal aportación de Grossberg fue la introducción de un sistema que resuelve el problema de la plasticidad y estabilidad en el aprendizaje.

1987 IEEE

2025-03-15 01:04:30 UTC

En 1987, el Institute of Electrical and Electronics Engineers (IEEE) jugó un papel clave en el resurgimiento del interés por las redes neuronales al organizar la primera conferencia internacional sobre redes neuronales, llamada IEEE First International Conference on Neural Networks (ICNN).

Contribuciones del IEEE en 1987

1. Primera Conferencia sobre Redes Neuronales (ICNN 1987)

• Esta conferencia reunió a investigadores de diferentes disciplinas para discutir avances en redes neuronales, algoritmos de aprendizaje y aplicaciones en inteligencia artificial.

• Marcó el inicio de un crecimiento exponencial en la investigación de redes neuronales.

2. Creación del IEEE Neural Networks Council (ahora IEEE Computational Intelligence Society)

• En 1987, IEEE estableció el Neural Networks Council para coordinar la investigación y difusión de conocimiento sobre redes neuronales.

• Luego evolucionó en la IEEE Computational Intelligence Society, que sigue liderando avances en inteligencia artificial.

3. Impulso a Modelos como el Perceptrón Multicapa y Retropropagación

• Durante esta época, los modelos de perceptrón multicapa con el algoritmo de backpropagation (retropropagación) se volvieron populares gracias a los trabajos de Geoffrey Hinton, David Rumelhart y Ronald Williams.

• IEEE ayudó a difundir estos avances a través de conferencias y publicaciones.

En resumen, IEEE en 1987 ayudó a consolidar el campo de las redes neuronales al proporcionar un espacio para investigadores, promover la colaboración y divulgar avances clave en la inteligencia artificial.

1982 John Hopfield

2025-03-15 01:04:48 UTC

Un científico conocido por sus aportaciones a las redes neuronales. Sus principales contribuciones incluyen:

1. Redes de Hopfield (1982): Desarrolló un modelo de red neuronal recurrente, conocido como red de Hopfield, que se usa para resolver problemas de optimización y almacenamiento de memoria asociativa.

2. Memoria Asociativa: Las redes de Hopfield pueden almacenar patrones de entrada y recordar información parcial, funcionando como una especie de memoria distribuida en el cerebro.

3. Energía en Redes Neuronales: Introdujo un concepto de función de energía para analizar la estabilidad de las redes neuronales, lo que permitió modelar su comportamiento en términos matemáticos.