Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares

Autores
Vázquez, Juan Carlos Jesús; Marciszack, Marcelo Martín; Martínez, Osvaldo Facundo
Año de publicación
2005
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Se intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.
Fil: Marciszack, Marcelo Martín. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
Fil: Vázquez, Juan Carlos Jesús. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
Fil: Martínez, Osvaldo Facundo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
Materia
Inteligencia Artificial
Autómata Celular
Redes Neuronales Artificiales
Sistemas evolutivos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-02-09T19:46:43Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/7502

id RIAUTN_261bba58597ed2b63b55ca836de4984f
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/7502
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celularesVázquez, Juan Carlos JesúsMarciszack, Marcelo MartínMartínez, Osvaldo FacundoInteligencia ArtificialAutómata CelularRedes Neuronales ArtificialesSistemas evolutivosSe intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.Fil: Marciszack, Marcelo Martín. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.Fil: Vázquez, Juan Carlos Jesús. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.Fil: Martínez, Osvaldo Facundo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.2023-02-09T19:46:43Z2023-02-09T19:46:43Z2005info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdf950-665-337-2http://hdl.handle.net/20.500.12272/7502spainfo:eu-repo/semantics/openAccess2023-02-09T19:46:43Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalMarciszack, Marcelo Martín[X] Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). [X] No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. [X] Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). [NO] Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadasreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-29T11:25:56Zoai:ria.utn.edu.ar:20.500.12272/7502instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-29 11:25:57.147Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
title Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
spellingShingle Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
Vázquez, Juan Carlos Jesús
Inteligencia Artificial
Autómata Celular
Redes Neuronales Artificiales
Sistemas evolutivos
title_short Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
title_full Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
title_fullStr Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
title_full_unstemmed Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
title_sort Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares
dc.creator.none.fl_str_mv Vázquez, Juan Carlos Jesús
Marciszack, Marcelo Martín
Martínez, Osvaldo Facundo
author Vázquez, Juan Carlos Jesús
author_facet Vázquez, Juan Carlos Jesús
Marciszack, Marcelo Martín
Martínez, Osvaldo Facundo
author_role author
author2 Marciszack, Marcelo Martín
Martínez, Osvaldo Facundo
author2_role author
author
dc.subject.none.fl_str_mv Inteligencia Artificial
Autómata Celular
Redes Neuronales Artificiales
Sistemas evolutivos
topic Inteligencia Artificial
Autómata Celular
Redes Neuronales Artificiales
Sistemas evolutivos
dc.description.none.fl_txt_mv Se intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.
Fil: Marciszack, Marcelo Martín. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
Fil: Vázquez, Juan Carlos Jesús. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
Fil: Martínez, Osvaldo Facundo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Ingeniería en Sistemas de Información; Argentina.
description Se intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.
publishDate 2005
dc.date.none.fl_str_mv 2005
2023-02-09T19:46:43Z
2023-02-09T19:46:43Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 950-665-337-2
http://hdl.handle.net/20.500.12272/7502
identifier_str_mv 950-665-337-2
url http://hdl.handle.net/20.500.12272/7502
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-02-09T19:46:43Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Marciszack, Marcelo Martín
[X] Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). [X] No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. [X] Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). [NO] Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-02-09T19:46:43Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Marciszack, Marcelo Martín
[X] Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). [X] No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. [X] Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). [NO] Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1880396296439726080
score 13.334379