¿Qué prueba has hecho, lo del OCR? ¿De donde has sacado el set de entrenamiento?

Mi experiencia me dice que las técnicas genéricas no funcionan por sí solas pasándoles los datos tal y como llegan. Siempre hay que hacer un procesado y una reducción del volumen de datos dependiente del tipo de datos que estés tratando.

Como ejemplo puedes ver el "standard model" de Tomaso Poggio: tratan de modelar el reconocimiento tal y como lo haría el cerebro, pero en las primeras capas del cortex visual modelan columnas corticales especializadas en procesar imágen. Yo implementé el modelo y la verdad es que me funcionó muy bien, el problema que tenía es que iba a 0.2Hz en vez de a 20Hz como me hubiese gustado...

De todas formas el enfoque de las HTM me gusta mucho y me parece muy elegante, a ver si les sale bien.

no, la de OCR fue un primer ensayo, aunque el principio es similar. La del ejemplo al que me refiero es de Realidad Aumentada en tiempo real.

Gracias
Bueno, yo estoy haciendo mi red neuronal. Cuando "funcione" espero usarla para robots autonomos.
Un problemilla que veo es que cuando va navegando el robot, vá gastando neuronas a lo loco y luego en los momentos críticos, el peso neuronal de las neuronas de esa zona es minusculo.
O sea, hay que seleccionar muy bien las zonas interesantes.

Un ejemplo: todas mis redes neuronales se quedan "flipando" cuando ven un trozo de cesped y gastan ahi todo el esfuerzo (ven mas interesante los cambios random de formas que las esquinas y objetos grandes)

Por lo que veo es tan importante seleccionar los datos como tratarlos despues.

Otro problema:
Mi red es tipo arbol, y la neurona de arriba es importantísima y las de abajo ya no sirven para casi nada

¿como lo llevais vosotros?

Hola fusion, no me ha quedado claro si te refieres a tu red tipo árbol es en base a algoritmo propio además de alguna interfaz en C++ o si también estás experimentando con NuPIC u otra cosa en memoria-predicción.

aunque en NuPIC parece un árbol dinámico en uno de los cortes o segmento de tiempo, se parece más a una red bayesiana donde cada nivel se comporta como una red neural.

Os aconsejo que cualquier cosa que hagáis en IA, tengáis en paralelo una red de estas para entrenar.

Existe en Stanford una investigadora matemática, Daphne Koller, del área robótica y biología que también se aproxima al concepto memoria-predicción de Jeff Hawkins (ya son dos). Uno de sus trabajos es justamente mejorar la visión artificial.
En palabras de Gary Bradski (visión de máquinas, MP) "Koller está en la misma punta de la tecnología punta".

Si es buena información, trataré de leerlo, hasta ahora tardo menos en hacermelo yo que en tratar de leer la burrada que hay escrita sobre ello, (de hecho en el INTA valoran los avances en IA en funcion a las toneladas de papel generados en vez de a ver si son utiles)
Yo puedo poner a uno en ello a jornada casi completa y meter una opi en un programa nacional ¿puedes mandarme a alguien bueno de málaga?
Tengo varios robots donde se puede aplicar