Resumen

La implementación por hardware de las redes neuronales artificiales (RNA) permite explotar el paralelismo inherente a estos sistemas. Sin embargo, requieren una gran cantidad de recursos en términos de área y disipación de energía. Recientemente, la Computación de Reservorio (RC) ha surgido como una técnica estratégica para diseñar redes neuronales recurrentes (RNNs) con capacidades de aprendizaje sencillas. En este trabajo, mostramos un nuevo enfoque para implementar sistemas RC con puertas digitales. El método propuesto se basa en el uso de conceptos de computación probabilística para reducir el hardware necesario para implementar diferentes operaciones aritméticas. El resultado es el desarrollo de un sistema altamente funcional con bajos recursos de hardware. La metodología presentada se aplica a la previsión de series temporales caóticas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:términos de área, capacidad de aprendizaje simple, cantidad de recursos, red neuronal artificial, bajos recursos de hardware, concepto de computación probabilística, diferentes operaciones aritméticas, metodología presentada, nuevo enfoque, sistema funcional
• Keywords:terms of area, simple learning capabilities, amount of resources, artificial neural network, low hardware resources, probabilistic computing concept, different arithmetic operations, presented methodology, new approach, functional system