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
Neurona MCP (McCulloch & Pitts)
Modelo lógico binario
Inspiración en neuronas biológicas
Entradas + pesos + función umbral
Utiliza funciones de activación discretas
Primer modelo computacional de una neurona
Funciones de Activación
Discreta Comunes
Función Signo
Salida: -1 o +1
Utilizada en redes como Hopfield
Función Binaria
Simple: verdadero o falso
Función Escalón
Activa si supera un umbral
Salida binaria (0 o 1)
Función Umbral
Define si la neurona se activa o no
Redes de Hopfield
Memoria asociativa
Arquitectura completamente conectada
Almacena patrones como mínimos de energía
Pesos simétricos (w_ij = w_ji)
Tipo de red recurrente
Solo estados estables como salidas
Aplicaciones
Reconocimiento de patrones
Corrección de ruido
Perceptrón
Componentes:
Entradas, pesos, sumatoria,
función de activación
Regla Delta para aprendizaje
Capaz de resolver problemas linealmente separables
Limitaciones:
No resuelve XOR (no lineal)
Solucionado con perceptrones multicapa (MLP)
Modelo supervisado
Ventajas y Desventajas de RNED
Ventajas
Simples de implementar
Procesamiento rápido
Buena interpretación matemática
Desventajas
Limitadas a problemas simples
No adaptables a entornos dinámicos
Sensibles al ruido
Máquinas de Boltzmann
Aprendizaje mediante probabilidad (Método de Gibbs)
Puede escapar de mínimos locales
Inspirada en la física estadística
Usa energía libre para definir estados
Red estocástica con neuronas binarias
Aplicaciones
Visión por computadora
Aprendizaje no supervisado
Optimización
Estados Discretos
Dinámica Temporal
Evolucionan con el tiempo
en pasos discretos
Importante para modelar
memoria y secuencias
Aplicaciones Típicas
Redes de Hopfield
Reconocimiento de patrones y optimización
Máquinas de Boltzmann
Cada neurona tiene
estados limitados (ej. 0 o 1)
Procesamiento basado en lógica booleana o funciones de activación discretas
