Redes neuronales
Aplicación de redes neuronales para la predicción de la volatilidad, precios, indicadores,

Redes Neuronales: Un poco de historia (I)

0
Publicado por jaomun el 01 de agosto de 2012

Por Javier Oliver Muncharaz

En este post voy a realizar un breve repaso histórico de la aparición de las redes neuronales y su evolución a lo largo de  los años.

 Como sabemos, en la actualidad se ha extendido el uso de las redes neuronales a múltiples campos científicos, incluida las finanzas. A pesar de este boom actual podemos centrar sus orígenes en las primeras décadas del siglo XX.

 En 1913, S. Rusell plantea una máquina hidráulica basada en las redes neuronales, aunque no fue hasta los años cuarenta cuando se plantearon matemáticamente estos modelos.

1936- Alan Turing.  Precursor del estudio de la asimilación de la computación al comportamiento del cerebro humano.

1943- Warren McCulloch y Walter Pitts, neurofísico y matemático respectivamente. Proponen el primer modelo matemático de red neuronal. En este modelo, la red neuronal no tenía capacidad de aprendizaje.

1949- Donald Hebb. Precursor en la explicación del proceso de aprendizaje de las neuronas. La idea principal es que el aprendizaje se produce ante cambios que hacen que una neurona se active. Desarrolló un algoritmo de aprendizaje denominado aprendizaje Hebbiano.

1950- Karl Lashley. Realiza diversas pruebas en las que determina que la información no se almacena en el cerebro de forma centralizada si no que se distribuye por todo él.

1954- Marvin Minsky. Obtiene los primeros resultados con las redes neuronales junto con Dean Edmons con una máquina con 40 neuronas, aplicando los modelos y teorías de McCulloch y Pitts, incorporando además el aprendizaje Hebbiano.

1956- Congreso de Dartmouth. Primer congreso científico sobre redes neuronales.

1957- Frank Rosenblatt. A partir de los trabajos de Albert Uttley (1956) sobre su modelo llamado Informon,  Rosenblatt desarrolla el Perceptron, uno de los modelos más conocidos a la largo de la historia. Se utiliza principalmente en el reconocimiento de patrones. Este modelo es capaz de generalizar reconociendo patrones similares a los que había aprendido previamente. Sin embargo una de sus grandes limitaciones es su incapacidad para realizar clasificaciones de clases no separables linealmente.

1959- Frank Rosenblatt. Escribe el libro “Principios de Neurodinámica” que trata sobre cómo aprende la red Percptrón.

Continúa en el siguiente post...

Etiquetas: redes neuronales · DAX 30 · econometría · prediccion · sistemas de trading



Añadir comentario

Recomendado por: 1 usuario






RSS
e-Mail









Rankia utiliza cookies propias y de terceros, con ellas obtenemos información sobre tus pautas de navegación y así podemos ofrecerte una mejor experiencia de uso y servicio mostrándote información relacionada con tus preferencias e intereses. Si continúas navegando aceptas nuestra política de cookies.