Page 115 - [1library.co] l la era de las maquinas espirituales kurzweil

I , 1 el . Sus pre­
basados
113

Nemia a la red neuronal aprendiz se equivoca. Esta retroalimenta· respuesta córrecta '~e fortalecen. En cambio, las que propiciaban una ganiza para su~iIi[~trar.J~·s respuestas correctas sin entrenamiento. redes..neuronales pueden que Con fiables. poco maestros maestro sólo resulte ac~rtado en el sesenta por ciento de los casos, la n:J neuronal, este paraJi~ll1a
es poderoso y puede.emular una ampl

aprendido sus lecciones, cua~do_acierta yJa castiga cuand~ ción es 10 que utiliza la red neuronal aprendiz I?ara ajustar la fuerza de cada conexión interneuronal. Las conexiones coherentes c.:on la respuesta erré>,nea se debilitan. Con el tiempo, la red neuronal se or­ han mostrado que las s~s..asign~tQras.con red neuronal aprendiz aprende igualmente sus lecciones. Si enseñamos adecuadamente a lo. h o D

ha Los ~xperime~tos aprender mucho al enrevesa d
" Miros- ¡de su rostro. v ficientem~nte _~'clíacos en fórmulas.
ya

entradas están bien o software, sináptíca u..na. fuerza dado que la red neuronal lo igno­
conectadas aleatodamente a una capa de neuronas simuladas. Cada
una de estas neuronas simuladas puede ser un programa simple de
de cálculo de las neuronas del cerebro humano. Comenzamos con
El paradigma de red neuronal es un intento de~~mJ.llar la_estructura
Por ejemplo, las entradas pueden ser una serie de pi'.'.els que repre·
de entradas que representan un problema a resolver. 21
de neurona é~ Cada punto de la entrada (por ejemplo, cada pixel de una ima­ gen) está aleatoriamente conectado a las entradas de la primera capa tiene Cada 'coneXión asociada que representa la i!l1Portancía de esta conexión. Estas fuer­ zas también son conjuntos de valores aleatorios. Cada neurona aña· de las señales que a ella llegan. Sí la señal combinada supera un um­ bral, la neurona e

REDES NEURONALES: AUTOORGANIZACIÓN COMPUTACIÓN HUMAN A y un conj~nto sentan una imagen que se trata de identificar. Esta~ ordenador que ,simula un modelo puede ser una implementación electrónica. de neuronas simuladas. ronas, también seleccionadas al aza(, suministran la respuesta. notablemente correctas para un amplio cúmulo de problemas. En realidad, las ¿Qué otra aleato~io. pletamente todo e