Búsqueda · 29 momentos en 18 episodios
María RibesLuisa AchaerandioBorja TosarIgnacio CrespoFrancis VillatoroHéctor Socasmodelos regresión predictibilidad secuenciasredes neuronales mlp perceptrones multicapaalgoritmo knn aprendizaje automático supervisadoclasificación datos proximidad vecinos cercanosMLPPerceptrones MulticapaDeep LearningKNNMaría RibesIgnacio CrespoPerceptrónStephen HawkingAldous HuxleyDarwinIgnacio
Perceptron multicapa María análisis
Con
0:000:301:001:302:002:303:003:29
María Ribes explica cómo se evalúa la predictibilidad de secuencias utilizando modelos de regresión, redes neuronales (MLP o Perceptrones Multicapa) y el algoritmo KNN.
…van a producir. Y esto introducen valores de estas características en algoritmos de clasificación y eso son algo me va a costar más explicar, lo vais a explicar vosotros, pero lo que hacen es evaluar hasta qué punto esas secuencias son similares entre. Sí, y hasta qué punto son predecibles. Esa es la cuestión: si tú puedes predecir lo que va después, utilizan modelos de regresión y las redes neuronales que llama aquí MLP, que sería Perceptrones Multicapa; no sé lo que es más que una red neuronal de tipo Deep Learning y luego el KNN que es lo de los vecinos más cercanos, que eso es lo que hace: es también un algoritmo de aprendizaje automático supervisado, no paramétrico y simple que lo utiliza tanto para clasificación como para regresión. Lo que hace es clasificar los nuevos datos basándose en la proximidad, en las cadenas de caracteres que están más cerca y pueden tener una relación lógica, de ahí lo de vecinos cercanos. Entonces, de todo esto, todos estos datos, viene ahí una serie de gráficos, de citas, de estadísticas y llegamos al resultado que dice que no es una escritura, que no es una escritura, pero no es una escritura como nosotros la conocemos ahora mismo, lo que se…
Significado #2 · Palabras #1
María Ribes aclara la metodología utilizada en el análisis de signos, enfatizando la importancia de evitar interpretaciones erróneas sobre si se trata o no de escritura.
Habla: María RibesPalabras #19análisis de signos maria ribessignos intencionales metodología ribesinterpretación de superficie por receptor inteligente…emergente que es la semiótica evolutiva. Yo en esto no tengo experiencia, ya sabéis que yo soy sintactista, pero ¿y la semiótica, la semántica, la semiología? No es lo mío, seguramente Ignacio es más. Pero una cosa que me gusta, cuando empiezan a hablar. De la metodología y el análisis definen el signo. Aquí estamos hablando de esto, para que no haya lugar a equívocos y no me digan que esto es una escritura o que no, o que yo estoy hablando de otra cosa. La definición que dan es modificación de una superficie que puede ser percibida e interpretada por un receptor inteligente. Es lo que os decía antes de que hay un interlocutor que comparte un cierto contexto cultural contigo y que lo puede interpretar. Y también habla de que son, aquí es cuando explica que son signos intencionales y no utilitarios, que no tienen una función. Que no son producto de la casualidad. Además, hay aproximadamente 3.000 secuencias de signos y las comparan, aparte de con la escritura protocuneiforme de Uruk; ya sabéis que no es la misma lengua que escritura. La escritura es un sistema para anotar una…
María Ribes explica cómo se evalúa la predictibilidad de secuencias utilizando modelos de regresión, redes neuronales (MLP o Perceptrones Multicapa) y el algoritmo KNN.
Habla: María RibesSignificado #2 · Palabras #1modelos regresión predictibilidad secuenciasredes neuronales mlp perceptrones multicapaalgoritmo knn aprendizaje automático supervisadoclasificación datos proximidad vecinos cercanos…van a producir. Y esto introducen valores de estas características en algoritmos de clasificación y eso son algo me va a costar más explicar, lo vais a explicar vosotros, pero lo que hacen es evaluar hasta qué punto esas secuencias son similares entre. Sí, y hasta qué punto son predecibles. Esa es la cuestión: si tú puedes predecir lo que va después, utilizan modelos de regresión y las redes neuronales que llama aquí MLP, que sería Perceptrones Multicapa; no sé lo que es más que una red neuronal de tipo Deep Learning y luego el KNN que es lo de los vecinos más cercanos, que eso es lo que hace: es también un algoritmo de aprendizaje automático supervisado, no paramétrico y simple que lo utiliza tanto para clasificación como para regresión. Lo que hace es clasificar los nuevos datos basándose en la proximidad, en las cadenas de caracteres que están más cerca y pueden tener una relación lógica, de ahí lo de vecinos cercanos. Entonces, de todo esto, todos estos datos, viene ahí una serie de gráficos, de citas, de estadísticas y llegamos al resultado que dice que no es una escritura, que no es una escritura, pero no es una escritura como nosotros la conocemos ahora mismo, lo que se…
Ignacio Crespo analiza una nota de prensa sobre la creación de una neurona artificial y explica que, aunque suena impresionante, sus capacidades son limitadas y aún no se han realizado pruebas sólidas.
Habla: Ignacio CrespoSignificado #1 · Palabras #2neurona artificial capacidades limitadasinterfaces cerebro máquina biocompatiblesperceptron multicapa maria análisisanalogía neurona pruebas sólidas…he arrepentido, pero hay que darle un tirón de orejas a la institución de la nota de prensa porque se han venido muy arriba. Muy, muy arriba. Vamos a partir de eso para que nadie se haga ilusiones y luego realmente contamos lo que es interesante, que lo es. En la nota de prensa decían, efectivamente tenemos una neurona artificial, una neurona artificial con las capacidades correctas para comunicarse con un sistema nervioso que parece ser además biocompatible, que puede utilizarse pues eso, para hacer interfaces cerebro-máquina, tal vez chips neuromórficos, sonaba impresionante y es verdad a medias. ¿Podría? Pues subrayamos mucho el podría, no han hecho pruebas sólidas de su utilidad, de sus aplicaciones y llamarle neurona es pues una analogía, pero realmente si sabemos un poco de qué van estas cuestiones, eso sí nos lo podíamos oler. Entonces, sabiendo eso, vamos poco a poco y me gusta mucho una cosa, que es que hace un rato María has dicho, han usado un perceptron multicapa, no sé muy bien qué significa eso, bueno pues tiene todo que ver con esto. Nos vamos a remontar un poco, porque aquí en cualquier caso como eje tenemos la relación que existe entre una inteligencia artificial, una arquitectura de este estilo y la arquitectura del cerebro; el intento de comunicarse entre esos dos mundos, de decir:…
Ignacio Crespo explica cómo un modelo matemático del funcionamiento de la membrana neuronal inspiró la creación de un modelo computacional simplificado de neurona llamado 'perceptrón'. Este modelo es capaz de recibir información, integrarla y generar una respuesta.
Habla: Ignacio CrespoSignificado #4 · Palabras #4modelo matemático membrana neuronalperceptrón inspirado canales iónicosneurona computacional recibe informaciónneurona artificial abstracta en capasredes neuronales naturales del cerebrointegración de impulsos entre neuronasumbral de despolarización neuronalneuronas inhibidoras y estímulo…muy conocidos de familias elitistas británicas, por supuesto; si os suenan sus apellidos, por supuesto que son de los Hawking y Huxley, que os puedan sonar de todas las cosas, son esos, o sea, el Bulldog de Darwin, el del linfoma de Hawking, están ahí todos. En cualquier caso hicieron un modelo muy interesante donde tenían en cuenta esos canales iónicos y eso inspiró que después se intentara abstraer en un modelo computacional de una neurona, una neurona más o menos, que era capaz de recibir una información, integrarla de hecho de distintos inputs, como que juntaba esos estímulos en su cuerpo, vamos a imaginarlo así, y luego daba una respuesta. Y a esto le llamaron perceptrón. Esta neurona artificial abstracta, combinándola por capas, pues teníamos unas primeras inteligencias artificiales; podríamos pensar en cuanto a que, bueno, se relacionaban de forma similar a las redes neuronales naturales que hay en nuestro cerebro. Muchas neuronas que se comunican entre ellas y que hacen dos cosas: integran impulsos, esto es que una neurona recibe impulsos de distintas neuronas y luego dan una respuesta. ¿Cuándo? Cuando el estímulo que han integrado, sumado de las distintas neuronas, supera un umbral. Si entre todas superan determinado umbral, yo disparo, me despolarizo, que es como se llama. Entonces, esto puede ser para estimular otras neuronas o puede ser con neuronas inhibidoras. Neuronas inhibidoras son aquellas que si reciben suficiente estímulo de otras neuronas, el impulso que comunican no es para activar. otras neuronas, es para inhibirlas. Ahí ya vemos un mundo, en este punto sí que es muy interesante como los modelos representaban bien lo poco que sabíamos sobre estas redes neuronales, como se desarrollaron algunos sistemas de aprendizaje, como creíamos que…
Ignacio Crespo explica cómo un artículo ha encontrado una forma de crear pequeñas neuronas artificiales para componer nuevos chips neuromórficos, destacando una propiedad que estos tienen en común con la activación real de las neuronas.
Habla: Ignacio CrespoSignificado #7 · Palabras #6neuronas artificiales chips neuromórficosperceptrones activación real neuronasartículo ignacio crespo niveles complejidad…memoria a corto plazo, siempre hablamos de los hipocampos pero se almacena memoria también en la corteza cerebral, memoria motora en zonas relacionadas con el control motor. Hay ese solapamiento. Así que los chips neuromórficos en cierto modo intentan hacer Esto utilizando distintas estrategias. Pero ahora entraremos un poco en cuál es la que tienen en común con este artículo. Este artículo lo que dice es: hemos encontrado una forma de crear pequeñas neuronas artificiales que sumadas podrían componer nuevos chips neuromórficos que tienen una propiedad, y por eso le llaman neuronas artificiales, que no tendrían estos perceptrones y que se parece más a cómo se activan realmente las neuronas. Porque ese perceptrón hace algo tremendamente básico. De hecho, en el artículo lo comentan como si hubiera tres niveles de complejidad y el primer nivel de complejidad es el más sencillo. Integran la información y disparan. Le das la información con las neuronas previas, la suma y dispara. Punto. Una vez. Pero hay un segundo nivel de complejidad que no está. en estas neuronas, este estilo, que hay algunas en nuestro cerebro que se comportan así, sino en las neuronas, por ejemplo, de Purkinje, que están sobre todo en el cerebelo. Estas neuronas lo que tienen es que son capaces de, una vez las estímulos, bueno,…