la matemática en la inteligencia artificial dr. cornelio yáñez márquez grupo alfa-beta día...
Post on 28-Jan-2016
218 Views
Preview:
TRANSCRIPT
La Matemática en la La Matemática en la Inteligencia ArtificialInteligencia ArtificialLa Matemática en la La Matemática en la Inteligencia ArtificialInteligencia Artificial
Dr. Cornelio Yáñez MárquezGrupo Alfa-Beta
Día Virtual CUDI de Matemáticas21 de agosto de 2008
Matemática en la Inteligencia Artificial
• Panorama Histórico de Redes Neuronales y Memorias Asociativas
• Modelos Clásicos• Modelos Morfológicos• Memorias Asociativas Alfa-Beta• Modelos Asociativos Alfa-Beta• Aplicaciones Concluidas• Temas de Tesis Actuales
Matemática en la Inteligencia Artificial
MemoriasAsociativas
Redes Neuronales
Clasificadores de Patrones
“En igualdad de condiciones la solución más sencilla es probablemente la correcta”William of Ockham
Panorama Histórico
• 1943 McCullock & Pitts: 1er. Modelo de neurona
• 1949 Hebb: Aprendizaje artificial• 1957 Rosenblatt: Perceptron• 1960 Widrow & Hoff: ADALINE
(MADALINE)• 1969 Minsky & Papert:
Perceptrons• 1982 Hopfield: Modelo RD/MA• 1986 Rumelhart, Williams &
Hinton: Backpropagation
• 1961 Steinbuch: Lernmatrix• 1969 Wilshw, Buneman &
Longuet-Higgins: Correlograph• 1972 Amari: avances teóricos• 1972 Nakano: Associatron• 1972 Anderson / Kohonen:
Linear Associator• 1982 Hopfield: Modelo RD/MA• 1996 Ritter et al.: RD/MA
Morfológicas• 2002 Yáñez: MA Alfa-Beta
Redes Neuronales Memorias Asociativas
Modelos Clásicos
mi1
mi2
mij
min
……
x1
x2
xj
xn
yi
Suma de Productos
Modelos Morfológicos
• En 1996 surgen las Memorias Asociativas Morfológicas, inspiradas en los operadores de la Morfología Matemática
– Dilatación– Erosión– Apertura– Cerradura
Modelos Morfológicos
• Dilatación
BbAabaxXxBA ,;
ABBA
BCBACA
BCBABCA
Modelos Morfológicos
• ErosiónA⊖B =
(A⊖B)⊖C = A (⊖ BC)
A(B⊖C) (AB)⊖C
A⊖B A
BbAbxXx ,
Modelos Morfológicos
• AperturaA∘B = (A⊖B)B
A C → A B ∘ C B∘A B ∘ A
(A B) B=A B∘ ∘ ∘
Modelos Morfológicos
• CerraduraA∙B = (AB)⊖B
A C → A∙B C∙BA A∙B
(A∙B)∙B = A∙B
Modelos Morfológicos
mi1
mij
min
……
x1
xj
xn
yi
Máximo de Sumas
+
+
+
mi1
mij
min
……
x1
xj
xn
yi
Mínimo de Sumas
+
+
+
Memorias Asociativas Alfa-Beta
• En 2002, en el Grupo Alfa-Beta se crean los operadores Alfa y Beta
BAA
111
201
010
100
, yxyx
AAB
112
102
111
001
010
000
, yxyx
2,1,0 1,0 BA
Memorias Asociativas Alfa-Beta
• Algunas propiedades de Alfa y Beta:
α1.- isoargumentos en α α(x, x) = 1
β1 - propiedad del 1 β(1, x) = x
β2 - isoargumentos en β β(x, x) = x x A
αβ1 - β es la inversa de α por la derecha β[α(x, y), y] = x
αβ2 - β es la inversa de α por la izquierda β[α(x, y), x] = x
αβ3 - isoargumentos en α como argumento de β β[α(x, x), y] = y
Memorias Asociativas Alfa-Beta
• Fase de Aprendizaje
• Fase de Recuperación
nm
txy
tp
xy
1
V
ji
p
ij xyv ,1
jij
n
ji
xvx ,1
V xV
Modelos Asociativos Alfa-Beta
• Código Johnson-Möbius Modificado1. Sean n números reales {r1, r2, …, ri, …, rn} donde n es un entero positivo.2. Restar el número menor a todos; si ri es el menor:
tj = rj - ri j {1, 2, …, n}3. Escalar los números anteriores por d, truncando los decimales restantes:
ei = ti * d3. Concatenar (em - ej) ceros con ej unos
Decimal Johnson-Möbius modificado
0 0000
1 0001
2 0011
3 0111
4 1111
Modelos Asociativos Alfa-Beta
• Clasificador Gama
n
iii xxu
1
, x
caso otroen 0
2mod, si1,,
yx
yxun
i
k n
j jijg
i k
yxc
i 1 1,,
• Multimemorias Heteroasociativas Alfa-Beta– Conjunto Fundamental
– Fase de Aprendizaje
Modelos Asociativos Alfa-Beta
qq xxxx ,...,,),( 21
},...,2,1|)),,({( pq yx
pq ,...,2,1|),(),...,,(),,( 21 yxyxyx
y x l t mx n
q ),(
1
lji
plij xyv
Modelos Asociativos Alfa-Beta
• Multimemorias Heteroasociativas Alfa-Beta– Fase de Recuperación
qq xxxx ,...,,),( 21
lll Vz
x ),(1
lj
lij
n
j
li xvz
li
q
li zI
1
casootro
IIy k
p
ki
0
11
• Memorias Asociativas Alfa-Beta para Imágenes RGB– Fase de Aprendizaje
Modelos Asociativos Alfa-Beta
.
, ,ERi , 8 EG i
, 8 EBi , 8
iCI
x CC1 ,C2
, . . . ,Cn
mm
t
xx
tp
xxV
1
tp
xx
1
1
2
3
4
• Memorias Asociativas Alfa-Beta para Imágenes RGB– Fase de Recuperación
Modelos Asociativos Alfa-Beta
.
, ,ERi , 8 EG i
, 8 EBi , 8
CiI
x CC1 ,C2
, . . . ,Cn
1
2
3
4
xV
jijb
)1(24
xV
Ri
j 1
8
b j 28 j
8)1(24
jijb
xV
G i
j 1
8
b j 28 j
16)1(24
jijb
xV
Bi
j 1
8
b j 28 jCrear
tripleta (RGB)
Crear tripleta (RGB)
I An
4.1
4.2
4.3
4.4
4.54.64.75
• Extensión de la Lernmatrix– Fase de Aprendizaje
– Fase de Recuperación
Modelos Asociativos Alfa-Beta
caso otro0
0y 1 si
1 si
ii
ii
ij xy
xy
m
ijijij mmm
0 que tal1
ij
n
jiji mms
caso otro0
si11
11
n
j jhj
m
h
n
jjij
i
xmxmz
caso otro0
1 que tal si11
kk
p
ki
i
zssy
• Memorias asociativas Alfa-Beta basadas en el código Johnson-Möbius modificado Igualación Industrial de Color
• Aprendizaje y recuperación de imágenes en color mediante memorias asociativas Alfa-Beta
• Aplicación de los modelos asociativos Alfa-Beta a la Bioinformática• Efficient Pattern Recalling using Parallel Alpha-Beta Associative
MemoriesImplementación en Hardware
• Alpha-Beta Bidirectional Associative Memories Based TranslatorTraductor basado en Alfa-Beta BAM
• Optimized Implementation of a Pattern Classifier using Feature Set ReductionSelección de Rasgos
• Clasificador automático de alto desempeñoClasificador Gama
Aplicaciones Concluidas
• Criptografía• Estimación del esfuerzo en desarrollo de sistemas• Reconocimiento de caracteres escritos• Detección de hipoacusia por medio de voz• Alineación de cadenas genéticas• Reducción de dimensionalidad de problemas• Autómatas Celulares – Memorias Asociativas• Predicción de formas tridimensionales de biomoléculas• Detección de anormalidades en línea de producción• Predicción de trayectorias para Hand-Off• Predicción de datos ambientales• Clasificación de estados emocionales
Temas de Tesis Actuales
¡ Gracias !
Thanks !
Xie xie ni
Domo arigatou
Dr. Cornelio Yáñez Márquez - http://www.cornelio.org.mx
Grupo Alfa-Beta - http://www.alfabeta.org.mx
top related