KEILA HERNANDEZ

La historia del aprendizaje profundo comienza en 1943 con Walter Pitts y Warren McCulloch, quienes desarrollaron el primer modelo computacional basado en redes neuronales, utilizando la "lógica de umbral"

By Tocay 201119630

En los años 60, Henry J. Kelley sentó las bases de la retropropagación, un método para entrenar redes neuronales, y Stuart Dreyfus lo simplificó en 1962. Sin embargo, en ese momento era poco eficiente. Durante la década de 1970, la falta de financiamiento provocó el primer "invierno de la IA", ralentizando la investigación. A pesar de esto, Kunihiko Fukushima desarrolló en 1979 el Neocognitron

By Tocay 201119630

• 1943 - Orígenes

  • Walter Pitts y

• 1960-1970 - Retropropagación y Primer Invierno de la IA

  • Henry J. Kelley y Stuart Dreyfus desarrollan la base de la retropropagación, per

  • Kunihiko Fukushima presenta las primeras redes neuronales convolucionales y crea el Neocognitron

​

• 1980-1990 - Avances y Uso Práctico

  • Yann LeCun combina redes neuronales y retropropagación para leer números manuscritos, mejorando el reconocimiento

• 2000-2010 - Problemas y Big Data

  • Se identifica el problema del gradiente evanescente , a

  • ImageNet es

• 2011-2020 - GPU y Aprendizaje No Supervisado

  • METRO

  • Se crea AlexNet ,

  • Google Brain realiza el Experimento del Gato

​

A principios de los 2000, surgió el problema del gradiente evanescente ,ImageNet , una base

En la década de 2010, el aumento en la velocidad de las GPU permAlexNet , unaExperimento del Gato , exp

Gracias a estos avances, el aprendizaje profundo se ha convertido en una tecnología clave en la inteligencia artificial moderna, con aplicaciones en visión por computadora.