Si además quieres enviarnos un Artículo para el Blog y redes sociales, pulsa el siguiente botón:
Hace algún tiempo que estuve realizando redes neuronales en forma de árbol para tratamiento digital de imágenes, hubo una que no fué especialmente exitosa pero que era la más flexible, pues permitía cambiar el número de neuronas hijas, quitar éstas de los lugares menos usados y colgarlas de donde hubiera más éxito:
Hay varios problemas: hay que gastar 4 direcciones de 4 bytes por naurona, además de los bytes del vector de datos y alguna que otra variable de control, como el contador de eventos.
Además el proceso de cambiar una neurona de sitio es tedioso, y requería un stack adicional de neuronas libres. ¿Alguno ha intentado algo así? ¿Hay otra arquitectura?
fusion, es muy interesante todo el tema de las redes neuronales... y parece que tienes experiencia con ellas ¿no te animarias a darnos una charlita de iniciación, al menos para aclararnos los conceptos básicos?
Pues yo me apunto la verdad a la charla
¿El problema que tienes es de memoria o de tiempo? ¿Realmente te va lento o simplemete es por adelantarte a los problemas?
En respuesta a Bops y gizer,deciros que no m considero un experto en redes neuronales. Las usé en su día para reonocimiento de imágenes y por pura necesidad. Ahora hago reconocimiento de imágenes sin ellas, pero me gustaría meterle más inteligencia a los robots.
En el sistema que estoy desarrollando las neuronas se componen de un selector de datos de entrada (cada neurona decide qué dato es importante, por ejemplo las coordenadas correspondientes a los puntos de imagen en que hay más diferencia de color, a los colores de esa coordenadas les llamo colores de REFERENCIA), con ese selector de datos selecciona unos puntos de las imágenes que vá recibiendo que lo llamo vector CAPTURADO y luego hay un comparador de los datos que compara los datos de REFERENCIA con los CAPTURADOS, entonces la neurona que esté más cerca de ese vector coge éste y repite el proceso empleando la neuronas hijas de ésta.
La ventaja principal es la velocidad:
Veamos el ejemplo en que hay dos neuronas hijas por neurona madre. Si tengo 1 millón de neuronas, tengo que hacer n comparaciones, siendo 1000000=2^n por lo que n=20, he de hacer sólo 20 comparaciones para llegar al final.
¿El problema que tienes es de memoria o de tiempo? ¿Realmente te va lento o simplemete es por adelantarte a los problemas?
Mi problema es de tiempo y memoria, quisiera tener 200 millones de neuronas colgando del algoritmo para poder emplear los 4 gigas que puedo meterle a una CPU de 32 bits. Podría usar 8 gigas pero para ello tendría que usar Ubuntu de 64 bits.
