Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CONEXIONISMO
Elconexionismoes un conjunto de
enfoques en los mbitos de lainteligencia
artificial,psicologa cognitiva,ciencia
cognitiva,neurocienciayfilosofa de la
mente. Presentes en los fenmenos de
lamentey delcomportamientocomo
procesos neuronales.
PRINCIPIOS BSICOS
El principio central del conexionismo son los
fenmenos mentales. La forma de las conexiones y de
las unidades vara de un modelo a otro. Por ejemplo,
las unidades de la red podran representarneuronasy
las conexiones podran representarsinapsis.
Propagacin de Activacin
En la mayora de los modelos conexionistas de las
redes cambian con el tiempo. Un aspecto
estrechamente relacionado y muy comn de los
modelos conexionistas es laactivacin: Por
ejemplo, laprobabilidadde que la neurona genere
un pico o emociones como potencial de accin.
Realismo Biolgico
La rama de las redes neuronales del
conexionismo sugiere que el estudio de la
actividad mental es en realidad el estudio de los
sistemas neurales. Esto enlaza el conexionismo
con la neurociencia y el sistema biolgico.
Aprendizaje
Los conexionistas por lo
general subrayan la
importancia del aprendizaje
en sus modelos. El
aprendizaje siempre implica
la modificacin de los
procesos de conexin:
Ejemplo: El uso de
frmulas matemticas para
obtener un conjunto de
datos.
Historia
Las bases de las ideas conexionistas se pueden
remontar a finales del siglo XIX, cuandoSantiago
Ramn y Cajalestablecieron las bases para los
estudios de redes neuronales, cuando describieron la
estructura de las neuronas y su forma de interconexin
en el cerebro humano.
Aspectos principales:
Un conjunto deunidades de procesamiento: representadas
por unconjuntode nmeros enteros.
Unaactivacinpara cada unidad: representada por un vector
defuncionesdependientes del tiempo.
Unafuncin de activacinpara cada unidad: representada
por un vector de funciones de activacin.
Unpatrn de conectividadentre las unidades: representada
por una matriz de nmeros reales y actividad lingstica.
Unaregla de propagacinque extienda las activaciones a
travs de las conexiones, representada por conjuntos reales.
Unaregla de activacin: representada por una funcin de
activacin actual y de propagacin.
Unaregla de aprendizajepara modificar las conexiones,
basada en la experiencia vivida.
Primeros Trabajos
Races directas del PDP fueron las teoras
delperceptrnde investigadores comoFrank
Rosenblatten la dcada de 1950 y 1960. Pero los modelos
perceptrn se hicieron muy impopulares a raz del
libroPerceptrons.
Este libro mostraba los lmites de la clase de funciones
que los perceptrones pueden calcular, demostrando que
incluso las funciones simples, como el exclusivono
pueden ser manejadas correctamente. Los libros sobre
PDP superaron esta limitacin, al mostrar que las redes
neuronales multi-capa y no lineales son mucho ms
robustas y pueden utilizarse para una amplia gama de
funciones.