Neocognitrón

El neocognitrón es una red neuronal artificial jerárquica y multicapa propuesta por Kunihiko Fukushima en 1979. Esta red ha sido utilizada en el reconocimiento de caracteres manuscritos japoneses y en otras tareas de reconocimiento de patrones, y sirvió de inspiración para las redes neuronales convolucionales.

El neocognitrón se inspiró en el modelo propuesto por Hubel y Wiesel en 1959. Estos investigadores identificaron dos tipos de células en la corteza visual primaria, llamadas células simples y células complejas, y propusieron un modelo en cascada de estos dos tipos de células para tareas de reconocimiento de patrones.

El neocognitrón es una extensión natural de estos modelos en cascada. Está compuesto por varios tipos de células, siendo las más importantes las llamadas células S y células C. Las células S extraen características locales, mientras que las células C toleran deformaciones de estas características, como desplazamientos locales. Estas características locales se integran y clasifican gradualmente en las capas superiores.

Existen diversas variantes del neocognitrón. Algunas de estas variantes pueden detectar múltiples patrones en una misma entrada utilizando señales de retroalimentación para lograr atención selectiva.

Véase también

Notas

↑ Fukushima, Kunihiko (October 1979). «位置ずれに影響されないパターン認識機構の神経回路のモデル --- ネオコグニトロン ---» [Neural network model for a mechanism of pattern recognition unaffected by shift in position — Neocognitron —]. Trans. IECE (en japonés). J62-A (10): 658-665.
↑ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep learning». Nature 521 (7553): 436-444. Bibcode:2015Natur.521..436L. PMID 26017442. S2CID 3074096. doi:10.1038/nature14539.
↑ David H. Hubel and Torsten N. Wiesel (2005). Brain and visual perception: the story of a 25-year collaboration. Oxford University Press US. p. 106. ISBN 978-0-19-517618-6.
↑ Hubel, DH; Wiesel, TN (October 1959). «Receptive fields of single neurones in the cat's striate cortex». J. Physiol. 148 (3): 574-91. PMC 1363130. PMID 14403679. doi:10.1113/jphysiol.1959.sp006308.
1 2 Fukushima, Kunihiko (1987). «A hierarchical neural network model for selective attention». En Eckmiller, R.; Von der Malsburg, C., eds. Neural computers. Springer-Verlag. pp. 81-90.

Referencias

Fukushima, Kunihiko (April 1980). «Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position». Biological Cybernetics 36 (4): 193-202. PMID 7370364. S2CID 206775608. doi:10.1007/bf00344251.
Fukushima, Kunihiko; Miyake, S.; Ito, T. (1983). «Neocognitron: a neural network model for a mechanism of visual pattern recognition». IEEE Transactions on Systems, Man, and Cybernetics. SMC-13 (3): 826-834. S2CID 8235461. doi:10.1109/TSMC.1983.6313076.
Fukushima, Kunihiko (2007). «Neocognitron». Scholarpedia 2 (1): 1717. Bibcode:2007SchpJ...2.1717F. doi:10.4249/scholarpedia.1717.
Hubel, D.H.; Wiesel, T.N. (1959). «Receptive fields of single neurones in the cat's striate cortex». J Physiol 148 (3): 574-591. PMC 1363130. PMID 14403679. doi:10.1113/jphysiol.1959.sp006308.

Enlaces externos

Neocognitron en Scholarpedia
NeoCognitron by Ing. Gabriel Minarik - aplicación (C#) y video
Recursos sobre el Neocognitrón en la Plataforma Visiome - incluye entorno MATLAB
Beholder - un simulador de Neocognitrón

Datos: Q669754

[1] Fukushima, Kunihiko (October 1979). «位置ずれに影響されないパターン認識機構の神経回路のモデル --- ネオコグニトロン ---» [Neural network model for a mechanism of pattern recognition unaffected by shift in position — Neocognitron —]. Trans. IECE (en japonés). J62-A (10): 658-665.

[2] LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep learning». Nature 521 (7553): 436-444. Bibcode:2015Natur.521..436L. PMID 26017442. S2CID 3074096. doi:10.1038/nature14539.

[3] David H. Hubel and Torsten N. Wiesel (2005). Brain and visual perception: the story of a 25-year collaboration. Oxford University Press US. p. 106. ISBN 978-0-19-517618-6.

[4] Hubel, DH; Wiesel, TN (October 1959). «Receptive fields of single neurones in the cat's striate cortex». J. Physiol. 148 (3): 574-91. PMC 1363130. PMID 14403679. doi:10.1113/jphysiol.1959.sp006308.

[dup-0-62-5] 1 2 Fukushima, Kunihiko (1987). «A hierarchical neural network model for selective attention». En Eckmiller, R.; Von der Malsburg, C., eds. Neural computers. Springer-Verlag. pp. 81-90.