| Property |
Value |
| dbo:abstract
|
- Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebbiana de su algoritmo de entrenamiento, así como por su paralelismo y por la semejanza de su dinámica a fenómenos físicos sencillos. Si se limita la conectividad, el aprendizaje puede ser lo bastante eficaz como para ser útil en la resolución de problemas prácticos. En mecánica estadística se denominan distribuciones de Boltzmann y son utilizadas en funciones de muestreo. (es)
- Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebbiana de su algoritmo de entrenamiento, así como por su paralelismo y por la semejanza de su dinámica a fenómenos físicos sencillos. Si se limita la conectividad, el aprendizaje puede ser lo bastante eficaz como para ser útil en la resolución de problemas prácticos. En mecánica estadística se denominan distribuciones de Boltzmann y son utilizadas en funciones de muestreo. (es)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
| |
| dbo:wikiPageRevisionID
| |
| prop-es:apellido
|
- Fort (es)
- Hinton (es)
- Ackley (es)
- Fort (es)
- Hinton (es)
- Ackley (es)
|
| prop-es:autor
|
- Gerschenfeld, A. (es)
- Hinton, G. E. (es)
- Osindero, S. (es)
- Sejnowski, T. J. (es)
- Teh Y. (es)
- Gerschenfeld, A. (es)
- Hinton, G. E. (es)
- Osindero, S. (es)
- Sejnowski, T. J. (es)
- Teh Y. (es)
|
| prop-es:coautores
|
- Sejnowski, T. J. (es)
- Sejnowski, T. J. (es)
|
| prop-es:editor
|
- D. E. Rumelhart, J. L. McClelland, and the PDP Research Group (es)
- D. E. Rumelhart, J. L. McClelland, and the PDP Research Group (es)
|
| prop-es:editorial
| |
| prop-es:enlaceautor
|
- :en:Geoffrey Hinton (es)
- :en:Geoffrey Hinton (es)
|
| prop-es:fecha
|
- 1985 (xsd:integer)
- 1986 (xsd:integer)
- 1988 (xsd:integer)
- 2002 (xsd:integer)
- 2006 (xsd:integer)
|
| prop-es:fechaarchivo
| |
| prop-es:idioma
| |
| prop-es:nombre
|
- J. C. (es)
- G. E. (es)
- D. H. (es)
- J. C. (es)
- G. E. (es)
- D. H. (es)
|
| prop-es:publicación
|
- Mundo Científico (es)
- Cognitive Science (es)
- Neural Computation (es)
- Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations (es)
- Mundo Científico (es)
- Cognitive Science (es)
- Neural Computation (es)
- Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations (es)
|
| prop-es:página
| |
| prop-es:páginas
|
- 147 (xsd:integer)
- 282 (xsd:integer)
- 1527 (xsd:integer)
- 1771 (xsd:integer)
|
| prop-es:título
|
- El nacimiento de un ordenador neuronal: La máquina de Boltzmann (es)
- A Learning Algorithm for Boltzmann Machines (es)
- A fast learning algorithm for deep belief nets (es)
- Learning and Relearning in Boltzmann Machines (es)
- Training Products of Experts by Minimizing Contrastive Divergence (es)
- El nacimiento de un ordenador neuronal: La máquina de Boltzmann (es)
- A Learning Algorithm for Boltzmann Machines (es)
- A fast learning algorithm for deep belief nets (es)
- Learning and Relearning in Boltzmann Machines (es)
- Training Products of Experts by Minimizing Contrastive Divergence (es)
|
| prop-es:ubicación
|
- Cambridge (es)
- Cambridge (es)
|
| prop-es:url
| |
| prop-es:urlarchivo
| |
| prop-es:volumen
|
- 8 (xsd:integer)
- 9 (xsd:integer)
- 14 (xsd:integer)
- 18 (xsd:integer)
|
| dct:subject
| |
| rdfs:comment
|
- Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebb (es)
- Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebb (es)
|
| rdfs:label
|
- Máquina de Boltzmann (es)
- Máquina de Boltzmann (es)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is owl:sameAs
of | |
| is foaf:primaryTopic
of | |
