Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

Conoce al perceptrón

14/18
Recursos

Aportes 10

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Un dato curioso sobre la mielina:
¿Saben por qué no hacemos un corto circuito en nuestro cerebro con tantos impulsos electricos? o ¿Como hace para ir tan rapido la elctricidad por el axón?
o ¿Por qué no pasa el impulso a otra neurona sabiendo que estan tan cerca?
*
Todo es gracias a la mielina

La mielina es un aislante natural que ayuda a la rapida conduccion de la electricidad por la neurona. Para aquellos que le guste lo tecnico: A lo largo de las fibras amielínicas, los impulsos se mueven continuamente como ondas, pero en las fibras mielinizadas, «saltan» o se propagan por conducción saltatoria. La mielina disminuye la capacitancia y aumenta la resistencia eléctrica a través de la membrana celular (axolema). Por lo tanto, la mielinización evita que la corriente eléctrica salga del axón.

El perceptrón simple es la red neuronal artificial más antigua. Su origen tuvo lugar en el año 1957 por el psicólogo Frank Rosenblatt, consistía en un clasificador binario o discriminador lineal, esto quiere decir que a partir de un entrenamiento con datos el perceptrón era capaz de reconocer patrones y tomar decisiones.

  1. Señales de entrada: se asemejan a lo que en la vida real son los impulsos eléctricos. En la práctica representa características de lo que estamos modelando.

  2. Pesos sinápticos: define la importancia de las señales de entrada mediante la asignación de una ponderación.

  3. Unión sumadora: suma los resultados de las multiplicaciones entre las señales de entrada y los pesos sinópticos. Es una combinación lineal.

  4. Función de activación: recibe la combinación lineal anterior para definir la salida de la neurona.

Que increible! el paper del perceptrón se publicó en 1958 👴🏼
Han pasado 64 años y tenemos la tecnologia super avanzada!

Personas que saben matemáticas hay “muchas”, pero que además sean exelentes padagogos, reduce el dominio y que además sean empáticos, simpáticos y sencillos, lo restringe, aún más, entonces, cuando tenemos todas estas características en sincronía, el rango de la función da como resultado alumnos aprendiendo y satisfechos.

Quiero ser más categórico en decir que los profesores acá tienen un modelo, en hora buena, Enrique!!!, felicitaciones!!!.

Si las clases son de calidad, como en este caso, no se necesitan aportes con videos de Youtube, en las clases de Enrique no hay necesidad de ellos.

Les recomiendo este video sobre redes neuronales para profundizar en el tema:
https://youtu.be/MRIv2IwFTPg?list=PL-Ogd76BhmcB9OjPucsnc2-piEE96jJDQ

Este es un ejemplo ESPECTACULAR y se complementa mucho con la clase del profe sobre los perceptrones:
https://www.youtube.com/watch?v=6qulI6A90_Q&ab_channel=NataliaAcevedo

Dato curioso:
Pienso que es curioso que hayamos descubierto estos algoritmos desde hace bastante tiempo, pero hace tan poco tengamos computo para utilizarlo y ver su eficacia, ¿creen que esta regla siga? o más bien, creen que la computacion superara nuestra capacidad de innovar?.

Elementos de un perceptrón:

  • Señal de entrada == Interpretar caracterítcias (color, precio, tamaño, calidad, fabricante, país de origen, etc) -> Se leen como 1 & 0

  • Peso sináptico == Ponderan el valor de la señal de entrada, le ponen un valor de que tan importante es la señal de entrada que acaba de entrar

  • Unión sumadora == Suma todos los valores de las Señales de entradas multiplicadas por sus respectivos Pesos sinápticos, y generamos una combinación lineal

  • Función de activación == El resultado de la Unión sumadora lo pasamos por aquí para que nos de un comportamiento NO lineal