Resumen

El enfoque de redes neuronales artificiales inspirado en el cerebro ofrece la capacidad de desarrollar atrayentes para cada patrón si se permiten conexiones de retroalimentación. También exhibe una gran estabilidad y adaptabilidad con respecto al ruido y la degradación de patrones, y puede realizar tareas de generalización. En particular, el modelo de Memoria Asociativa Bidireccional (BAM) ha mostrado gran promesa para el reconocimiento de patrones debido a su capacidad de ser entrenado utilizando un esquema supervisado o no supervisado. Este artículo describe un BAM de este tipo, uno que puede codificar patrones de valores reales y binarios, realizar el reconocimiento de patrones de múltiples pasos en series temporales de tamaño variable y lograr asociaciones de muchos a uno. Además, se demostrará que el BAM puede generalizarse a múltiples memorias asociativas, y que puede utilizarse para almacenar asociaciones de múltiples fuentes también. Los diversos comportamientos son el resultado únicamente de reorganizaciones topológicas, y las mismas funciones de aprendizaje y transmisión

• Materias:Polinomios Modelado matemático Integrales Matrices Derivaciones generalizadas
• Subjects:Polynomials Mathematical modeling Integrals Matrices Generalized derivatives
• Palabras claves:Inspirado en el cerebro; Red neuronal artificial; Atractores; Conexiones de retroalimentación; Memoria asociativa bidireccional; Reconocimiento de patrones
• Keywords:Brain-inspired; Artificial neural network; Attractors; Feedback connections; Bidirectional associative memory; Pattern recognition