¡Más rápido que el navegador!
18 relaciones: Axón, Clasificador lineal, Dendrita, Disyunción exclusiva, Disyunción lógica, Frank Rosenblatt, Hiperplano, Matriz (matemática), Neurona, Neurona artificial, Perceptrón multicapa, Producto escalar, Puerta AND, Python, Red neuronal artificial, Sinapsis, Sistema binario, Vector.
Axón
El axón, cilindroeje o neurita es una prolongación de las neuronas especializadas en conducir el impulso nervioso desde el cuerpo celular o soma hacia otra célula.
¡Nuevo!!: Perceptrón y Axón · Ver más »
Clasificador lineal
En el campo del aprendizaje automático, el objetivo del aprendizaje supervisado es usar las características de un objeto para identificar a qué clase (o grupo) pertenece.
¡Nuevo!!: Perceptrón y Clasificador lineal · Ver más »
Dendrita
Las dendritas (del gr. δένδρον déndron «árbol») son prolongaciones protoplásmicas ramificadas, bastante cortas de la neurona, dedicadas principalmente a la recepción de estímulos y, secundariamente, a la alimentación celular.
¡Nuevo!!: Perceptrón y Dendrita · Ver más »
Disyunción exclusiva
En lógica proposicional, la disyunción exclusiva (también llamado bidisyuntor lógico, disyuntor excluyente, "or" fuerte, "or" exclusivo, o desigualdad material) es un operador lógico simbolizado como XOR, EOR, EXOR, ⊻, ⊕ o \nleftrightarrow es un tipo de disyunción lógica de dos operandos.
¡Nuevo!!: Perceptrón y Disyunción exclusiva · Ver más »
Disyunción lógica
En razonamiento formal y lógica proposicional, una disyunción lógica (\lor) (también conocido como disyunción incluyente, disyunción débil o disyunción inclusiva) entre dos proposiciones es un conector lógico, cuyo valor de la verdad resulta en falso solo si ambas proposiciones son falsas, y en cierto de cualquier otra forma.
¡Nuevo!!: Perceptrón y Disyunción lógica · Ver más »
Frank Rosenblatt
Frank Rosenblatt (11 de julio de 1928-11 de julio de 1971) fue un psicólogo estadounidense notable en el campo de inteligencia artificial.
¡Nuevo!!: Perceptrón y Frank Rosenblatt · Ver más »
Hiperplano
En geometría, un hiperplano es una extensión del concepto de plano.
¡Nuevo!!: Perceptrón e Hiperplano · Ver más »
Matriz (matemática)
En matemática, una matriz es un conjunto bidimensional de números.
¡Nuevo!!: Perceptrón y Matriz (matemática) · Ver más »
Neurona
Una neurona (del griego νεῦρον neûron, ‘cuerda’, ‘nervio’), es una célula componente principal del sistema nervioso, cuya principal función es recibir, procesar y transmitir información a través de señales químicas y eléctricas gracias a la excitabilidad eléctrica de su membrana plasmática.
¡Nuevo!!: Perceptrón y Neurona · Ver más »
Neurona artificial
Las neuronas artificiales son microchips que pretenden imitar las funciones de las neuronas biológicas.
¡Nuevo!!: Perceptrón y Neurona artificial · Ver más »
Perceptrón multicapa
El perceptrón multicapa es una red neuronal artificial (RNA) formada por múltiples capas, de tal manera que tiene capacidad para resolver problemas que no son linealmente separables, lo cual es la principal limitación del perceptrón (también llamado perceptrón simple).
¡Nuevo!!: Perceptrón y Perceptrón multicapa · Ver más »
Producto escalar
En matemáticas, el producto escalar, también conocido como producto interno o producto punto, es una operación algebraica que toma dos vectores y retorna un escalar, y que satisface ciertas condiciones.
¡Nuevo!!: Perceptrón y Producto escalar · Ver más »
Puerta AND
La compuerta AND o puerta AND es una puerta lógica digital que implementa la conjunción lógica, se comporta de acuerdo a la tabla de verdad mostrada a la derecha; esta tendrá una salida ALTA (1), únicamente cuando los valores de ambas entradas sean ALTOS.
¡Nuevo!!: Perceptrón y Puerta AND · Ver más »
Python
Python es un lenguaje de alto nivel de programación interpretado cuya filosofía hace hincapié en la legibilidad de su código, se utiliza para desarrollar aplicaciones de todo tipo, por ejemplo: Instagram, Netflix, Spotify, Panda3D, entre otros.
¡Nuevo!!: Perceptrón y Python · Ver más »
Red neuronal artificial
Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un modelo computacional evolucionado a partir de diversas aportaciones científicas que están registradas en la historia. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida. Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que no se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación. Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresalen en áreas donde la detección de soluciones o características es difícil de expresar con la programación convencional. Para realizar este aprendizaje automático, normalmente, se intenta minimizar una función de pérdida que evalúa la red en su total. Los valores de los pesos de las neuronas se van actualizando buscando reducir el valor de la función de pérdida. Este proceso se realiza mediante la propagación hacia atrás. El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales actuales suelen contener desde unos miles a unos pocos millones de unidades neuronales. Nuevas investigaciones sobre el cerebro a menudo estimulan la creación de nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico.
¡Nuevo!!: Perceptrón y Red neuronal artificial · Ver más »
Sinapsis
La sinapsis (del griego σύναψις, ‘unión’, ‘enlace’) es una aproximación especializada entre neuronas, ya sea entre dos neuronas de asociación, una neurona y una célula receptora, o entre una neurona y una célula efectora (casi siempre glandular o muscular).
¡Nuevo!!: Perceptrón y Sinapsis · Ver más »
Sistema binario
El sistema binario, también llamado sistema diádico en ciencias de la computación, es un sistema de numeración en el que los números son representados utilizando únicamente dos cifras: 0 (cero) y 1 (uno).
¡Nuevo!!: Perceptrón y Sistema binario · Ver más »
Vector
En matemática y física, un vectorTambién llamado vector euclidiano o vector geométrico para distinguirlo del concepto más genérico de espacio vectorial o de otras acepciones.
¡Nuevo!!: Perceptrón y Vector · Ver más »
