Análisis de una regla de aprendizaje para formación de detectores de características y asambleas neuronales

• Autores: José Manuel Jerez Aragonés
• Directores de la Tesis: Francisco José Vico Vela (dir. tes.)
• Lectura: En la Universidad de Málaga ( España ) en 2003
• Idioma: español
• Tribunal Calificador de la Tesis: José Muñoz Pérez (presid.), Francisco José López Gutiérrez (secret.), Ad Aertsen (voc.), Rafael Lahoz-Beltrá (voc.), Leonardo Franco (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Los objetivos principales de esta tesis doctoral han sido:

    1,- Presentación del mapa de aprendizaje como una herramienta gráfica para ilustrar las propiedades de las diferentes reglas de aprendizaje existentes en literatura.

    2,- Análisis de las propiedades de la regla de aprendizaje CBA mediante el estudio analítico de los puntos fijos y condiciones de estabilidad del modelo en diferentes entornos visuales.

    3,- Aplicación de la regla de aprendizaje en el modelado del proceso de formación de detectores de características mediante las propiedades de selectividad a la orientación que presentan las células simples del córtex primario, utilizando un entorno visual compuesto por imágenes naturales extraídas de fotografía tomadas de un parque. Asimismo, se comparan los resultados obtenidos con los campos receptivos formados mediante las reglas de aprendizaje BCM y PCA. También se testa la capacidad de la regla CBA para verificar los resultados experimentales sobre privación visual presentes en los trabajos de Hubel y Wiesel.

    4,- Modelado del proceso de representación de la información, proponiendo una solución basada en la formación de asambleas neuronales mediante la regla de aprendizaje basadas también con el concepto de asamblea hebbiana.

    Asimismo, se definen experimentos de memorización y recuperación de información que permiten testar la capacidad de almacenamiento de patrones en la red para las distintas reglas de aprendizaje.

    5,- Aplicación de la regla CBA a un sistema de reconocimiento de expresiones faciales constituido por una arquitectura neuronal modular. Esta arquitectura está integrada por dos etapas de proceso, una de ellas dedicada a la reducción de la dimensionalidad de los datos de entrada mediante la regla CBA, y otras estructurada en módulos especializados que permiten clasificar las imágenes después de una fase de entrenamiento utilizando el algoritmo de retro-propagación de errores.