Post on 26-Sep-2018
¿Para qué sirven las Redes ¿Para qué sirven las Redes Neuronales?Neuronales?
SdCSdC 20102010Departamento de ComputaciónDepartamento de Computación
Facultad de Ciencias Exactas y NaturalesFacultad de Ciencias Exactas y NaturalesUniversidad de Buenos AiresUniversidad de Buenos Aires
Lic. Leticia Seijas
¿Cómo surgieron y para qué?
¿Qué es una RNA?
¿Aplicaciones?
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
El cerebro humano es superior a una computadora El cerebro humano es superior a una computadora en muchas tareas…en muchas tareas…
• Robusto y tolerante a fallos
• Se adapta “aprendiendo”
• Maneja información difusa y con ruido
• Altamente paralelo
• Pequeño, compacto, veloz (tiempo real)
• Gran capacidad de memoria
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
En 1943 En 1943 McCullochMcCulloch y y PittsPitts proponen el modelo proponen el modelo más simple de neurona artificialmás simple de neurona artificial
Esquema de una neurona biológica(El cerebro humano tiene aproximadamente 1011
neuronas)
Neurona artificial
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
Redes Neuronales ArtificialesRedes Neuronales Artificiales
Perceptrón multicapaMapa Auto-organizado de Kohonen
(SOM)
hh
ENTRADA
SOM
• Paradigma computacional alternativo al tradicional (procedural)
• Necesidad de utilizar sistemas que operen como el cerebro humano (ej: reconocer patrones)
• Poder manejar información incompleta y con ruido
• Campo interdisciplinarioLic. Leticia Seijas
SdC 2010- Departamento de Computación - FCEyN - UBA
Mapas AutoMapas Auto--organizados SOM organizados SOM -- EjemploEjemplo
Mapa inicial Mapa final – Los puntos ingresados se agrupan por color
Objetivo: Presentar al azar puntos de ocho colores diferentes, y ver cómo al final del entrenamiento del SOM las unidades o neuronas vecinas
quedan asociadas a colores similares (nubes de colores).
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
Científico-TecnológicasEj: Robótica
IndustrialesEj: Exploración de
petróleo y gas
Económico-financierasEj: Predicción tendencias
del mercado
ServiciosEj: Salud – diagnóstico
inteligenteRNA
AplicacionesAplicaciones
y más …
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
Recuperación de Imágenes basada en Contenido
Mapa autoorganizado
de Kohonen(SOM)
Agrupamiento por color
Neuronas
[1]
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
GalSOM: Visualización y Recuperación de Galeríasde Imágenes
a) SOM ordenado por color
b) Imágenes asociadas a la neurona central del mapa
c) Imagen representante de cada neurona
(i)
(ii)
(i) Indice SOM jerárquico
(ii) Distribución color en cada nivel
[2]
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
WEBSOM: Ordenamiento y Recuperación de Documentos por su Contenido Textual
El gráfico muestra parte del mapa de artículos de la Enciclopedia Británica, 115.000 artículos y 12.096 neuronas.
El usuario hizo click en la palabra “shark” (tiburón), teniendo acceso a artículos relacionados con tiburones y afines, como otros peces.
La técnica se utilizó para organizar 7 millones de resúmenes de patentes en 1 millón de neuronas.
[3]
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
Reconocimiento de Escritura Manuscrita
Base de Datos MNIST
¿Es un 2 o un 7?
¿Es un 5 o un 8 que quedó incompleto?
Estos 2 no se parecen…
[4,5]
[6]
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
Reconocimiento de Rostrosy expresiones faciales
Reconocimiento de voz ymusical
Compresión de imágenes
RNA
y más aplicaciones …y más aplicaciones …
y más …
Predicciones climatológicas
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
¿ PREGUNTAS… ?
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA
ReferenciasReferencias
[1] D. Castro, L. Seijas, Image Retrieval Based on Text and Visual Content Using Neural Networks, Journal of Applied Computer Science Methods (ACSM 2010) , Vol. 2, No. 1, pp. 21-39, 2010.
[2] P. Prentis, GalSOM - Colour-Based Image Browsing and Retrieval with Tree-Structured Self-Organising Maps, in Proceedings of the 6th Int. Workshop on Self-Organizing Maps (WSOM 2007), (Bielefeld, Germany), 2007.
[3] K.Lagus, S. Kaski, T.Kohonen, Mining massive document collections by the WEBSOM method, Information Sciences: an International Journal, Soft computing data mining, Vol. 163, No. 1-3, pp. 135-156, Elsevier Science, 2004.
[4] L.Seijas, E.C.Segura, Detection of Ambiguous Patterns in a SOM based Recognition System: Application to Handwritten Numeral Classification, Proceedings 6th International Workshop on Self-Organizing Maps (WSOM 2007), Neuroinformatics Group, Bielefeld University, Alemania, Set. 2007.
[5] L. M. Seijas, E. C. Segura, Detection of Ambiguous Patterns using SVMs: Application to HandwrittenNumeral Recognition, Computer Analysis of Images and Patterns, CAIP 2009, Lecture Notes in Computer Science LNCS 5702, pp. 840-847. Springer-Verlag Berlin Heidelberg 2009.
[6] Base de Datos MNIST, http://yann.lecun.com/exdb/mnist/.
Lic. Leticia SeijasSdC 2010- Departamento de Computación - FCEyN - UBA