Neocognitrón
El neocognitrón es una red neuronal artificial jerárquica y multicapa propuesta por Kunihiko Fukushima en 1979.[1] Esta red ha sido utilizada en el reconocimiento de caracteres manuscritos japoneses y en otras tareas de reconocimiento de patrones, y sirvió de inspiración para las redes neuronales convolucionales.[2]
El neocognitrón se inspiró en el modelo propuesto por Hubel y Wiesel en 1959. Estos investigadores identificaron dos tipos de células en la corteza visual primaria, llamadas células simples y células complejas, y propusieron un modelo en cascada de estos dos tipos de células para tareas de reconocimiento de patrones.[3][4]
El neocognitrón es una extensión natural de estos modelos en cascada. Está compuesto por varios tipos de células, siendo las más importantes las llamadas células S y células C. Las células S extraen características locales, mientras que las células C toleran deformaciones de estas características, como desplazamientos locales. Estas características locales se integran y clasifican gradualmente en las capas superiores.[5]
Existen diversas variantes del neocognitrón. Algunas de estas variantes pueden detectar múltiples patrones en una misma entrada utilizando señales de retroalimentación para lograr atención selectiva.[6]
Véase también
editarNotas
editar- ↑ Fukushima, Kunihiko (October 1979). «位置ずれに影響されないパターン認識機構の神経回路のモデル --- ネオコグニトロン ---» [Neural network model for a mechanism of pattern recognition unaffected by shift in position — Neocognitron —]. Trans. IECE (en japonés). J62-A (10): 658-665.
- ↑ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep learning». Nature 521 (7553): 436-444. Bibcode:2015Natur.521..436L. PMID 26017442. S2CID 3074096. doi:10.1038/nature14539.
- ↑ David H. Hubel and Torsten N. Wiesel (2005). Brain and visual perception: the story of a 25-year collaboration. Oxford University Press US. p. 106. ISBN 978-0-19-517618-6.
- ↑ Hubel, DH; Wiesel, TN (October 1959). «Receptive fields of single neurones in the cat's striate cortex». J. Physiol. 148 (3): 574-91. PMC 1363130. PMID 14403679. doi:10.1113/jphysiol.1959.sp006308.
- ↑ Fukushima, Kunihiko (1987). «A hierarchical neural network model for selective attention». En Eckmiller, R.; Von der Malsburg, C., eds. Neural computers. Springer-Verlag. pp. 81-90.
- ↑ Fukushima, Kunihiko (1987). «A hierarchical neural network model for selective attention». En Eckmiller, R.; Von der Malsburg, C., eds. Neural computers. Springer-Verlag. pp. 81-90.
Referencias
editar- Fukushima, Kunihiko (April 1980). «Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position». Biological Cybernetics 36 (4): 193-202. PMID 7370364. S2CID 206775608. doi:10.1007/bf00344251.
- Fukushima, Kunihiko; Miyake, S.; Ito, T. (1983). «Neocognitron: a neural network model for a mechanism of visual pattern recognition». IEEE Transactions on Systems, Man, and Cybernetics. SMC-13 (3): 826-834. S2CID 8235461. doi:10.1109/TSMC.1983.6313076.
- Fukushima, Kunihiko (2007). «Neocognitron». Scholarpedia 2 (1): 1717. Bibcode:2007SchpJ...2.1717F. doi:10.4249/scholarpedia.1717.
- Hubel, D.H.; Wiesel, T.N. (1959). «Receptive fields of single neurones in the cat's striate cortex». J Physiol 148 (3): 574-591. PMC 1363130. PMID 14403679. doi:10.1113/jphysiol.1959.sp006308.
Enlaces externos
editar- Neocognitron en Scholarpedia
- NeoCognitron by Ing. Gabriel Minarik - aplicación (C#) y video
- Recursos sobre el Neocognitrón en la Plataforma Visiome - incluye entorno MATLAB
- Beholder - un simulador de Neocognitrón