Please enable JavaScript.
Coggle requires JavaScript to display documents.
🌐 REDES NEURONALES DE ESTADO DISCRETO (RNED) - Coggle Diagram
🌐 REDES NEURONALES DE ESTADO DISCRETO (RNED)
📌 Fundamentos de RNED
Inspiradas en el funcionamiento de neuronas biológicas
Estado de cada neurona: 0 o 1 (activo/inactivo)
Procesamiento en pasos discretos
Aplicaciones en: clasificación, optimización, memoria asociativa
⚡ Funciones de activación discreta comunes
Función Escalón
Devuelve 0 o 1 según el umbral
Función Signo
Salida: -1 o +1
Función Booleana
AND, OR, NOT
Umbral fijo o adaptable
🔄 Redes de Hopfield
Recurrentes y totalmente conectadas
Funcionan como memoria asociativa
Recuperan patrones incompletos o ruidosos
Energía del sistema siempre decrece hacia un estado estable
🎲 Máquinas de Boltzmann
Basadas en probabilidad y energía
Versiones estocásticas de Hopfield
Usan distribución de Boltzmann
Aplicaciones en optimización y aprendizaje no supervisado
❌ Desventajas de una RNED
Escalabilidad limitada
No se adaptan bien a problemas complejos de gran escala
Convergencia lenta en algunos modelos
✅ Ventajas de una RNED
Simples de implementar
Modelos matemáticamente claros
Útiles en memoria asociativa y optimización combinatoria
Eficiencia en problemas pequeños: funcionan muy bien en clasificación básica y memoria asociativa.
Interpretabilidad: se pueden analizar matemáticamente con claridad.
Rapidez de cálculo: requieren poca capacidad de cómputo en comparación con modelos más complejos.
Base para redes más avanzadas: el perceptrón dio origen a las redes multicapa y al aprendizaje profundo.
Capacidad de memoria asociativa (en redes como Hopfield): recuerdan patrones incompletos o con ruido.
Uso en optimización: máquinas de Boltzmann pueden resolver problemas combinatorios difíciles.
🧠 Perceptrón
Modelo base de las RNED
Neurona con entradas, pesos y función umbral
Capaz de resolver problemas linealmente separables
Limites: no resuelve XOR
Componentes principales:
Entradas (𝑥₁, 𝑥₂, …, 𝑥ₙ).
Pesos sinápticos (𝑤₁, 𝑤₂, …, 𝑤ₙ).
Umbral o sesgo (bias).
Función de activación discreta.
