SlideShare una empresa de Scribd logo
1 de 21
EL NEOCOGNITRON ,[object Object],[object Object],[object Object],[object Object]
Introducción ,[object Object],[object Object]
Vías visuales que van desde el ojo hasta la corteza visual primaria.
Introducción El neocognitrón tiene una estructura jerárquica del neocognitrón. El neocognitrón es un buen ejemplo de la forma en que unos resultados neurobiológicos se pueden emplear para desarrollar una nueva arquitectura de red.
Procesamiento de la capa  S ,[object Object],[object Object],[object Object]
Procesamiento de la capa  S ,[object Object],[object Object],[object Object]
Procesamiento de la capa  S ,[object Object],[object Object]
Procesamiento de la capa  S Para las capas más profundas, en las cuales una célula recibe conexiones de entrada procedentes de todos los planos de la capa C anterior se utiliza la siguiente fórmula: en donde la función    está dada por   U S l ( k l , n ) = r l   ·   1 +  r l 1 + r l b l ( k l )   ·  V C l ( n ) a l ( k l -1 ,  v ,  k l )  ·  U C l -1 ( k l -1 ,  n  +  v )   k l -1 =1 K l -1  v    A l  1 + - 1 [ ]  ( x )  =  x  x     0 0   x  < 0 {
Procesamiento de la capa  S k l  =  k -ésimo plano del nivel  l . n  = posición de la célula dentro del plano. v  = posición relativa de una célula dentro de la capa anterior  que se encuentre en el campo receptivo de  n . U C l -1 ( k l -1 ,  n  +  v )   = Entradas excitatorias. a l ( k l -1 ,  v ,  k l ) = Pesos de las entradas excitatorias. V C l ( n ) = Entrada inhibitoria. b l ( k l )   = Peso de la entrada inhibitoria. r l   Parámetro de selectividad,  0    r l       . Si r l  es grande, es más selectiva.  Si  r l  es pequeño, es menos selectiva.
Procesamiento de la capa  S La salida de los nodos inhibitorios está dada por: donde  c l ( v ) es el peso de la conexión que procede de una célula situada en la posición v del campo receptivo de la célula V C , dado por: C( l ) es una constante de normalización: V C l ( n ) =  c l ( v )  ·  U 2 C l -1 ( k l -1 ,  n  +  v )   k l -1 =1 K l -1  v    A l  c l ( v )  =  C( l ) 1 a l r ’(v) C( l ) =  k l -1 =1 K l -1  v    A l  a l r ’(v)
Entrenamiento de pesos de las capas  S ,[object Object],[object Object],[object Object],[object Object],[object Object]
Entrenamiento de pesos de las capas  S ,[object Object],[object Object]
Entrenamiento de pesos de las capas  S ,[object Object],[object Object],[object Object]
Entrenamiento de pesos de las capas  S ,[object Object],[object Object],[object Object]
Entrenamiento de pesos de las capas  S ,[object Object],[object Object],[object Object],[object Object],[object Object]
Procesamiento en la capa  C ,[object Object],[object Object],[object Object]
Procesamiento en la capa  C ,[object Object],[ ] U C l ( k l , n ) =   1 +  V S ( n ) - 1 ,[object Object],[object Object],[object Object],[object Object],d l ( v )  ·  U S l ( k l ,  n  +  v )   k l -1 =1  l -1  v    D l  1 + j l (  l , k l )
Procesamiento en la capa  C ,[object Object],en donde    es una constante. La salida de las células V S  está dada por Los pesos  d l ( v ) son valores fijos cuya forma general es la misma que los c l ( v ) descritos anteriormente.  ( x ) = x    + x { x    0 0  x  < 0 V S ( n ) =  U S l ( k l ,  n  +  v )   ·   d l ( v ) k l -1 =1  l -1  v    D l  1 K l
INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON El primero error consiste en resolver la ambigüedad para que la red tome una decisión clara.  La segunda consiste en hacer que la red reconozca e identifique las dos tramas que están presentes en la retina. Se puede conseguir que la red se decida por una de las dos tramas añadiendo una inhibición lateral entre células vecinas de la capa.  Si cada célula inhibe a otras células, entonces las pequeñas diferencias de respuesta se irán amplificando con el paso del tiempo, consiguiendo una célula ganadora.  
El segundo problema se puede resolver añadiendo vías de realimentación a la red, junto con otros dispositivos, tales como controles de ganancia en las células y condiciones de umbral variables.   Se envían señales hacia atrás, en dirección a la retina, a través de otros planos de células, durante el proceso de propagación hacia delante, sólo permanecen activas algunas células c y algunas células s controlando las vías de realimentación de tal manera que las señales de realimentación retrocedan por el mismo camino a través de la red, en dirección a la retina.   INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON
INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON Para hacer que la red reconozca la segunda trama que esta presente en la retina, lo único que se necesita es interrumpir momentáneamente las señales de realimentación.  Esta acción da lugar a que disminuya la ganancia de todas las células c activas, como si se fatigasen.  Como resultado, pueden responder otras células que estuviesen inactivas anteriormente, y se establecerá una segunda resonancia allí donde sea identificada la segunda trama en la última capa de la red.

Más contenido relacionado

Similar a Neocognitrón: arquitectura para reconocimiento de caracteres

09 circuitos de_segundo_orden_rlc
09 circuitos de_segundo_orden_rlc09 circuitos de_segundo_orden_rlc
09 circuitos de_segundo_orden_rlcjhon gomez
 
Apuntes electro p2007
Apuntes electro p2007Apuntes electro p2007
Apuntes electro p2007Javier Mejia
 
Capacitancia. ing. carlos moreno (ESPOL)
Capacitancia. ing. carlos moreno (ESPOL)Capacitancia. ing. carlos moreno (ESPOL)
Capacitancia. ing. carlos moreno (ESPOL)Francisco Rivas
 
Neocognitron
NeocognitronNeocognitron
NeocognitronESCOM
 
S02. s1 - Carga y Fuerza electrica - Clase.pdf
S02. s1 - Carga y Fuerza electrica - Clase.pdfS02. s1 - Carga y Fuerza electrica - Clase.pdf
S02. s1 - Carga y Fuerza electrica - Clase.pdfPumaFidel
 
Guía de ley de coulomb campo electrico
Guía de ley de coulomb campo electricoGuía de ley de coulomb campo electrico
Guía de ley de coulomb campo electricoJulio Barreto Garcia
 
Capitulo 3 dielectricos
Capitulo 3 dielectricosCapitulo 3 dielectricos
Capitulo 3 dielectricosLeandro __
 
aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptaCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptCRISTOFERSERGIOCANAL
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGESCOM
 
Circuito rc descarga de un condensador
Circuito rc descarga de un condensadorCircuito rc descarga de un condensador
Circuito rc descarga de un condensadorBelén Albarenque
 
Utp 2015-2_sirn_s4_red perceptron
 Utp 2015-2_sirn_s4_red perceptron Utp 2015-2_sirn_s4_red perceptron
Utp 2015-2_sirn_s4_red perceptronjcbp_peru
 
Problemas sobre de física ii ley de coulomb campo electrico
Problemas sobre de física ii ley de coulomb campo electricoProblemas sobre de física ii ley de coulomb campo electrico
Problemas sobre de física ii ley de coulomb campo electricoJulio Barreto Garcia
 
Utp 2015-2_ia_s4_red perceptron
 Utp 2015-2_ia_s4_red perceptron Utp 2015-2_ia_s4_red perceptron
Utp 2015-2_ia_s4_red perceptronjcbp_peru
 
Ejercicios de fisica 3
Ejercicios de fisica 3Ejercicios de fisica 3
Ejercicios de fisica 3Ivan Castillo
 

Similar a Neocognitrón: arquitectura para reconocimiento de caracteres (20)

09 circuitos de_segundo_orden_rlc
09 circuitos de_segundo_orden_rlc09 circuitos de_segundo_orden_rlc
09 circuitos de_segundo_orden_rlc
 
Apuntes electro p2007
Apuntes electro p2007Apuntes electro p2007
Apuntes electro p2007
 
Capacitancia. ing. carlos moreno (ESPOL)
Capacitancia. ing. carlos moreno (ESPOL)Capacitancia. ing. carlos moreno (ESPOL)
Capacitancia. ing. carlos moreno (ESPOL)
 
Tema4
Tema4Tema4
Tema4
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
 
S02. s1 - Carga y Fuerza electrica - Clase.pdf
S02. s1 - Carga y Fuerza electrica - Clase.pdfS02. s1 - Carga y Fuerza electrica - Clase.pdf
S02. s1 - Carga y Fuerza electrica - Clase.pdf
 
Guía de ley de coulomb campo electrico
Guía de ley de coulomb campo electricoGuía de ley de coulomb campo electrico
Guía de ley de coulomb campo electrico
 
3 pandeo columna
3   pandeo columna3   pandeo columna
3 pandeo columna
 
Capitulo 3 dielectricos
Capitulo 3 dielectricosCapitulo 3 dielectricos
Capitulo 3 dielectricos
 
aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptaCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
 
S5C1
S5C1S5C1
S5C1
 
Tarea m4 01_15
Tarea m4 01_15Tarea m4 01_15
Tarea m4 01_15
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMING
 
Ley de Gauss
Ley de GaussLey de Gauss
Ley de Gauss
 
Circuito rc descarga de un condensador
Circuito rc descarga de un condensadorCircuito rc descarga de un condensador
Circuito rc descarga de un condensador
 
Utp 2015-2_sirn_s4_red perceptron
 Utp 2015-2_sirn_s4_red perceptron Utp 2015-2_sirn_s4_red perceptron
Utp 2015-2_sirn_s4_red perceptron
 
Problemas sobre de física ii ley de coulomb campo electrico
Problemas sobre de física ii ley de coulomb campo electricoProblemas sobre de física ii ley de coulomb campo electrico
Problemas sobre de física ii ley de coulomb campo electrico
 
Caracterizacion de una celda
Caracterizacion de una celdaCaracterizacion de una celda
Caracterizacion de una celda
 
Utp 2015-2_ia_s4_red perceptron
 Utp 2015-2_ia_s4_red perceptron Utp 2015-2_ia_s4_red perceptron
Utp 2015-2_ia_s4_red perceptron
 
Ejercicios de fisica 3
Ejercicios de fisica 3Ejercicios de fisica 3
Ejercicios de fisica 3
 

Más de ESCOM

redes neuronales tipo Som
redes neuronales tipo Somredes neuronales tipo Som
redes neuronales tipo SomESCOM
 
redes neuronales Som
redes neuronales Somredes neuronales Som
redes neuronales SomESCOM
 
redes neuronales Som Slides
redes neuronales Som Slidesredes neuronales Som Slides
redes neuronales Som SlidesESCOM
 
red neuronal Som Net
red neuronal Som Netred neuronal Som Net
red neuronal Som NetESCOM
 
Self Organinising neural networks
Self Organinising  neural networksSelf Organinising  neural networks
Self Organinising neural networksESCOM
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales KohonenESCOM
 
Teoria Resonancia Adaptativa
Teoria Resonancia AdaptativaTeoria Resonancia Adaptativa
Teoria Resonancia AdaptativaESCOM
 
ejemplo red neuronal Art1
ejemplo red neuronal Art1ejemplo red neuronal Art1
ejemplo red neuronal Art1ESCOM
 
redes neuronales tipo Art3
redes neuronales tipo Art3redes neuronales tipo Art3
redes neuronales tipo Art3ESCOM
 
Art2
Art2Art2
Art2ESCOM
 
Redes neuronales tipo Art
Redes neuronales tipo ArtRedes neuronales tipo Art
Redes neuronales tipo ArtESCOM
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORKESCOM
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORKESCOM
 
Counterpropagation
CounterpropagationCounterpropagation
CounterpropagationESCOM
 
Teoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAPTeoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAPESCOM
 
Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1ESCOM
 
Teoría de Resonancia Adaptativa ART
Teoría de Resonancia Adaptativa ARTTeoría de Resonancia Adaptativa ART
Teoría de Resonancia Adaptativa ARTESCOM
 
learning Vector Quantization LVQ2 LVQ3
learning Vector Quantization LVQ2 LVQ3learning Vector Quantization LVQ2 LVQ3
learning Vector Quantization LVQ2 LVQ3ESCOM
 
Learning Vector Quantization LVQ
Learning Vector Quantization LVQLearning Vector Quantization LVQ
Learning Vector Quantization LVQESCOM
 
Learning Vector Quantization LVQ
Learning Vector Quantization LVQLearning Vector Quantization LVQ
Learning Vector Quantization LVQESCOM
 

Más de ESCOM (20)

redes neuronales tipo Som
redes neuronales tipo Somredes neuronales tipo Som
redes neuronales tipo Som
 
redes neuronales Som
redes neuronales Somredes neuronales Som
redes neuronales Som
 
redes neuronales Som Slides
redes neuronales Som Slidesredes neuronales Som Slides
redes neuronales Som Slides
 
red neuronal Som Net
red neuronal Som Netred neuronal Som Net
red neuronal Som Net
 
Self Organinising neural networks
Self Organinising  neural networksSelf Organinising  neural networks
Self Organinising neural networks
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales Kohonen
 
Teoria Resonancia Adaptativa
Teoria Resonancia AdaptativaTeoria Resonancia Adaptativa
Teoria Resonancia Adaptativa
 
ejemplo red neuronal Art1
ejemplo red neuronal Art1ejemplo red neuronal Art1
ejemplo red neuronal Art1
 
redes neuronales tipo Art3
redes neuronales tipo Art3redes neuronales tipo Art3
redes neuronales tipo Art3
 
Art2
Art2Art2
Art2
 
Redes neuronales tipo Art
Redes neuronales tipo ArtRedes neuronales tipo Art
Redes neuronales tipo Art
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
 
Counterpropagation
CounterpropagationCounterpropagation
Counterpropagation
 
Teoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAPTeoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAP
 
Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1
 
Teoría de Resonancia Adaptativa ART
Teoría de Resonancia Adaptativa ARTTeoría de Resonancia Adaptativa ART
Teoría de Resonancia Adaptativa ART
 
learning Vector Quantization LVQ2 LVQ3
learning Vector Quantization LVQ2 LVQ3learning Vector Quantization LVQ2 LVQ3
learning Vector Quantization LVQ2 LVQ3
 
Learning Vector Quantization LVQ
Learning Vector Quantization LVQLearning Vector Quantization LVQ
Learning Vector Quantization LVQ
 
Learning Vector Quantization LVQ
Learning Vector Quantization LVQLearning Vector Quantization LVQ
Learning Vector Quantization LVQ
 

Último

SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADauxsoporte
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxjosetrinidadchavez
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuaDANNYISAACCARVAJALGA
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscaeliseo91
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Carlos Muñoz
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxYadi Campos
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyz
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyzel CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyz
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyzprofefilete
 

Último (20)

SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahua
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fisca
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
Power Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptxPower Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptx
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 
Sesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdfSesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdf
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyz
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyzel CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyz
el CTE 6 DOCENTES 2 2023-2024abcdefghijoklmnñopqrstuvwxyz
 

Neocognitrón: arquitectura para reconocimiento de caracteres

  • 1.
  • 2.
  • 3. Vías visuales que van desde el ojo hasta la corteza visual primaria.
  • 4. Introducción El neocognitrón tiene una estructura jerárquica del neocognitrón. El neocognitrón es un buen ejemplo de la forma en que unos resultados neurobiológicos se pueden emplear para desarrollar una nueva arquitectura de red.
  • 5.
  • 6.
  • 7.
  • 8. Procesamiento de la capa S Para las capas más profundas, en las cuales una célula recibe conexiones de entrada procedentes de todos los planos de la capa C anterior se utiliza la siguiente fórmula: en donde la función  está dada por U S l ( k l , n ) = r l ·  1 + r l 1 + r l b l ( k l ) · V C l ( n ) a l ( k l -1 , v , k l ) · U C l -1 ( k l -1 , n + v ) k l -1 =1 K l -1  v  A l  1 + - 1 [ ]  ( x ) = x x  0 0 x < 0 {
  • 9. Procesamiento de la capa S k l = k -ésimo plano del nivel l . n = posición de la célula dentro del plano. v = posición relativa de una célula dentro de la capa anterior que se encuentre en el campo receptivo de n . U C l -1 ( k l -1 , n + v ) = Entradas excitatorias. a l ( k l -1 , v , k l ) = Pesos de las entradas excitatorias. V C l ( n ) = Entrada inhibitoria. b l ( k l ) = Peso de la entrada inhibitoria. r l Parámetro de selectividad, 0  r l   . Si r l es grande, es más selectiva. Si r l es pequeño, es menos selectiva.
  • 10. Procesamiento de la capa S La salida de los nodos inhibitorios está dada por: donde c l ( v ) es el peso de la conexión que procede de una célula situada en la posición v del campo receptivo de la célula V C , dado por: C( l ) es una constante de normalización: V C l ( n ) = c l ( v ) · U 2 C l -1 ( k l -1 , n + v ) k l -1 =1 K l -1  v  A l  c l ( v ) = C( l ) 1 a l r ’(v) C( l ) = k l -1 =1 K l -1  v  A l  a l r ’(v)
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19. INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON El primero error consiste en resolver la ambigüedad para que la red tome una decisión clara. La segunda consiste en hacer que la red reconozca e identifique las dos tramas que están presentes en la retina. Se puede conseguir que la red se decida por una de las dos tramas añadiendo una inhibición lateral entre células vecinas de la capa. Si cada célula inhibe a otras células, entonces las pequeñas diferencias de respuesta se irán amplificando con el paso del tiempo, consiguiendo una célula ganadora.  
  • 20. El segundo problema se puede resolver añadiendo vías de realimentación a la red, junto con otros dispositivos, tales como controles de ganancia en las células y condiciones de umbral variables.   Se envían señales hacia atrás, en dirección a la retina, a través de otros planos de células, durante el proceso de propagación hacia delante, sólo permanecen activas algunas células c y algunas células s controlando las vías de realimentación de tal manera que las señales de realimentación retrocedan por el mismo camino a través de la red, en dirección a la retina.   INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON
  • 21. INHIBICION Y REALIMENTACIÓN AL NEOCOGNITRON Para hacer que la red reconozca la segunda trama que esta presente en la retina, lo único que se necesita es interrumpir momentáneamente las señales de realimentación. Esta acción da lugar a que disminuya la ganancia de todas las células c activas, como si se fatigasen. Como resultado, pueden responder otras células que estuviesen inactivas anteriormente, y se establecerá una segunda resonancia allí donde sea identificada la segunda trama en la última capa de la red.