Documente Academic
Documente Profesional
Documente Cultură
ARMADAS ESPEL
EXTENSIN LATACUNGA
INGENIERA MECATRNICA
David Lpez
APRENDIZAJE PROFUNDO
Aprendizaje profundo (en ingls, deep learning) es un conjunto de algoritmos en
aprendizaje automtico (en ingls, machine learning) que intenta modelar
abstracciones de alto nivel en datos usando arquitecturas compuestas de
transformaciones no-lineales mltiples.
Aprendizaje profundo es parte de un conjunto ms amplio de mtodos de aprendizaje
automtico basados en aprender representaciones de datos. Una observacin (por
ejemplo, una imagen) puede ser representada en muchas formas (por ejemplo, un
vector de pxeles), pero algunas representaciones hacen ms fcil aprender tareas de
inters (por ejemplo, es esta imagen una cara humana?) en base a ejemplos, y la
investigacin en esta rea intenta definir cules representaciones son mejores y cmo
crear modelos para aprender estas representaciones.
Varias arquitecturas de aprendizaje profundo, como redes neuronales profundas,
redes neuronales profundas convolucionales, y redes de creencia profundas, han sido
aplicadas a campos como visin por computador, reconocimiento automtico del
habla, y reconocimiento de seales de audio y msica, y han mostrado producir
resultados de vanguardia en varias tareas.
DEFINICIONES
No existe una nica definicin de aprendizaje profundo. En general se trata de una
clase de algoritmos para aprendizaje mquina. A partir de este punto comn,
diferentes publicaciones se centran en un conjunto de caractersticas diferentes, por
ejemplo:
Todas estas maneras de definir el aprendizaje profundo tienen en comn (1) mltiples
capas de procesamiento no lineal y (2) el aprendizaje supervisado o no supervisado de
representaciones de caractersticas en cada capa. Las capas forman una jerarqua de
caractersticas desde un nivel de abstraccin ms bajo a uno ms alto.
Los algoritmos de aprendizaje profundo contrastan con los algoritmos de aprendizaje
poco profundo por el nmero de transformaciones aplicadas a la seal mientras se
propaga desde la capa de entrada a la capa de salida. Cada una de estas
transformaciones incluye parmetros que se pueden entrenar como pesos y umbrales.
No existe un estndar de facto para el nmero de transformaciones (o capas) que
convierte a un algoritmo en profundo, pero la mayora de investigadores en el campo
considera que aprendizaje profundo implica ms de dos transformaciones
intermedias. (Wikipedia, 2015)
Aprendizaje Superficial
En esta estrategia el aprendiz memoriza la informacin como hechos aislados,
sin conexin con experiencias previas o con el contexto general. El objetivo
central es retener datos para aprobar la evaluacin.
En el aprendizaje superficial slo se requiere un nivel bajo de habilidad
cognitiva, principalmente orientado a conocer. Ello explica el rpido olvido
de la materia estudiada al poco tiempo de haber rendido las evaluaciones.
Aprendizaje Estratgico
Se describe una tercera forma de estrategia de aprendizaje en la cual el
estudiante busca todos los medios para destacarse y obtener altas
calificaciones. No es otra cosa que una muy bien organizada forma de
estrategia superficial.
(Fasce, n.d.)
BIBLIOGRAFIA
Fasce,
E.
(n.d.).
Tendencias.
Retrieved
Junio
2,
2015
http://www2.udec.cl/ofem/recs/anteriores/vol412007/esq41.htm
from