Resumen
Explore el desarrollo histórico de las redes neuronales desde las neuronas de McCulloch-Pitts hasta el backpropagation, cubriendo modelos clave como los perceptrones, ADALINE, redes de Hopfield, máquinas de Boltzmann y perceptrones multicapa.
Programa de estudio
-
- Introducción a las Redes Neuronales
-- Visión general de las Redes Neuronales y su Importancia
-- Breve Historia e Hitos en el Desarrollo de Redes Neuronales
- El Nacimiento de las Redes Neuronales
-- Neuronas de McCulloch-Pitts
-- Modelos Iniciales y sus Limitaciones
- Auge de los Modelos de Aprendizaje Supervisado
-- Perceptrones
--- Perceptrones de una sola capa
--- Algoritmo de Aprendizaje del Perceptrón
-- ADALINE (Neurona Lineal Adaptativa)
--- Regla Delta
--- Diferencias entre Perceptrón y ADALINE
- Redes de Hopfield
-- Redes Neuronales Recurrenciales y la Contribución de Hopfield
-- Dinámica y Aplicaciones de la Red de Hopfield
- Máquinas de Boltzmann
-- Introducción a los Modelos Estocásticos
-- Modelos Basados en Energía en Redes Neuronales
-- Máquinas de Boltzmann Restringidas
- De Aprendizaje Superficial a Aprendizaje Profundo
-- Perceptrones Multicapa (MLP)
--- Arquitectura de los MLP
--- Funciones de Activación
-- Introducción a la Retropropagación
--- Entrenamiento de Perceptrones Multicapa
--- Desafíos y Soluciones en el Entrenamiento
- Temas Avanzados en Redes Neuronales (Opcional)
-- Aprendizaje Profundo e Innovaciones Modernas
-- Otros Modelos Notables y Variaciones
- Conclusión y Direcciones Futuras
-- Resumen de los Principales Desarrollos
-- Tendencias Emergentes en Redes Neuronales
- Cierre del Curso
-- Resumen y Puntos Clave
-- Recursos Adicionales y Lecturas Recomendadas
Enseñado por
Etiquetas
On-Demand
