stringtranslate.com

El ganador se lo lleva todo (informática)

El ganador se lo lleva todo es un principio computacional aplicado en modelos computacionales de redes neuronales mediante los cuales las neuronas compiten entre sí por la activación. En la forma clásica, sólo la neurona con mayor activación permanece activa mientras que todas las demás neuronas se apagan; sin embargo, otras variaciones permiten que más de una neurona esté activa, por ejemplo, el ganador suave se lo lleva todo, mediante el cual se aplica una función de potencia a las neuronas.

Redes neuronales

En la teoría de las redes neuronales artificiales , las redes en las que el ganador se lo lleva todo son un caso de aprendizaje competitivo en redes neuronales recurrentes . Los nodos de salida de la red se inhiben mutuamente y al mismo tiempo se activan a través de conexiones reflexivas. Después de un tiempo, solo estará activo un nodo en la capa de salida, es decir, el que corresponde a la entrada más fuerte. Por tanto, la red utiliza inhibición no lineal para seleccionar la mayor de un conjunto de entradas. El ganador se lo lleva todo es una primitiva computacional general que se puede implementar utilizando diferentes tipos de modelos de redes neuronales, incluidas redes de tiempo continuo y de picos. [1] [2]

Las redes en las que el ganador se lo lleva todo se utilizan comúnmente en modelos computacionales del cerebro, particularmente para la toma de decisiones distribuida o la selección de acciones en la corteza . Ejemplos importantes incluyen modelos jerárquicos de visión [3] y modelos de atención y reconocimiento selectivos. [4] [5] También son comunes en redes neuronales artificiales y circuitos VLSI analógicos neuromórficos. Se ha demostrado formalmente que la operación en la que el ganador se lo lleva todo es potente desde el punto de vista computacional en comparación con otras operaciones no lineales, como la determinación de umbrales. [6]

En muchos casos prácticos, no solo hay una neurona que se activa, sino que hay exactamente k neuronas que se activan durante un número fijo k . Este principio se conoce como k-los ganadores se lo llevan todo .

Ejemplo de circuito

Un circuito CMOS de dos entradas en el que el ganador se lo lleva todo

A la derecha se muestra un circuito CMOS simple pero popular en el que el ganador se lo lleva todo. Este circuito fue propuesto originalmente por Lazzaro et al. (1989) [7] utilizando transistores MOS polarizados para operar en el régimen de inversión débil o subumbral. En el caso particular que se muestra, solo hay dos entradas ( I IN , 1 y I IN , 2 ), pero el circuito se puede extender fácilmente a múltiples entradas de una manera sencilla. Opera con señales de entrada (corrientes) de tiempo continuo en paralelo, utilizando solo dos transistores por entrada. Además, la corriente de polarización I BIAS la establece un único transistor global que es común a todas las entradas.

La mayor de las corrientes de entrada establece el potencial común V C . Como resultado, la salida correspondiente transporta casi toda la corriente de polarización, mientras que las otras salidas tienen corrientes cercanas a cero. Por lo tanto, el circuito selecciona la mayor de las dos corrientes de entrada, es decir, si I IN ,1 > I IN ,2 , obtenemos I OUT ,1 = I BIAS y I OUT ,2 = 0. De manera similar, si I IN ,2 > I IN ,1 , obtenemos I OUT ,1 = 0 y I OUT ,2 = I BIAS .

Simulación del circuito CMOS de dos entradas en el que el ganador se lo lleva todo

A la derecha se muestra una simulación de CC basada en SPICE del circuito CMOS en el que el ganador se lo lleva todo en el caso de dos entradas. Como se muestra en el gráfico secundario superior, la entrada I IN ,1 se fijó en 6 nA, mientras que I IN ,2 se incrementó linealmente de 0 a 10 nA. El subgráfico inferior muestra las dos corrientes de salida. Como se esperaba, la salida correspondiente a la mayor de las dos entradas transporta toda la corriente de polarización (10 nA en este caso), lo que obliga a la otra corriente de salida a casi cero.

Otros usos

En los algoritmos de coincidencia estéreo , siguiendo la taxonomía propuesta por Scharstein y Szelliski, [8] el ganador se lo lleva todo es un método local para el cálculo de la disparidad. Al adoptar una estrategia en la que el ganador se lo lleva todo, la disparidad asociada con el valor de costo mínimo o máximo se selecciona en cada píxel.

Es axiomático que en el mercado del comercio electrónico, los primeros actores dominantes como AOL o Yahoo! obtener la mayoría de las recompensas. En 1998, un estudio [ se necesita aclaración ] encontró que el 5% superior de todos los sitios web obtenía más del 74% de todo el tráfico.

La hipótesis económica de que el ganador se lo lleva todo sugiere que una vez que una tecnología o una empresa avanza, le irá cada vez mejor con el tiempo, mientras que la tecnología y las empresas rezagadas se quedarán aún más atrás. Véase Ventaja del primero en actuar .

Ver también

Referencias

  1. ^ Grossberg, Stephen (1982), "Mejora del contorno, memoria a corto plazo y constancias en redes neuronales reverberantes", Estudios de la mente y el cerebro , Estudios de Boston en Filosofía de la Ciencia, vol. 70, Dordrecht: Springer Países Bajos, págs. 332–378, doi :10.1007/978-94-009-7758-7_8, ISBN 978-90-277-1360-5, consultado el 5 de noviembre de 2022
  2. ^ Oster, Matías; Rodney, Douglas; Liu, Shih-Chii (2009). "Cálculo con picos en una red en la que el ganador se lo lleva todo". Computación neuronal . 21 (9): 2437–2465. doi :10.1162/neco.2009.07-08-829. PMID  19548795. S2CID  7259946.
  3. ^ Riesenhuber, Maximiliano; Poggio, Tomaso (1 de noviembre de 1999). "Modelos jerárquicos de reconocimiento de objetos en la corteza". Neurociencia de la Naturaleza . 2 (11): 1019-1025. doi :10.1038/14819. ISSN  1097-6256. PMID  10526343. S2CID  8920227.
  4. ^ Carpintero, Gail A. (1987). "Una arquitectura masivamente paralela para una máquina de reconocimiento de patrones neuronales autoorganizada". Visión por computadora, gráficos y procesamiento de imágenes . 37 (1): 54-115. doi :10.1016/S0734-189X(87)80014-2.
  5. ^ Itti, Laurent; Koch, Christof (1998). "Un modelo de atención visual basada en prominencia para un análisis rápido de escenas". Transacciones IEEE sobre análisis de patrones e inteligencia artificial . 20 (11): 1254-1259. doi : 10.1109/34.730558. S2CID  3108956.
  6. ^ Maass, Wolfgang (1 de noviembre de 2000). "Sobre el poder computacional de que el ganador se lo lleva todo". Computación neuronal . 12 (11): 2519–2535. doi :10.1162/089976600300014827. ISSN  0899-7667. PMID  11110125. S2CID  10304135.
  7. ^ Lázaro, J.; Ryckebusch, S.; Mahowald, MA; Mead, California (1 de enero de 1988). "El ganador se lo lleva todo: redes de complejidad O (N)". Fuerte Belvoir, Virginia. doi : 10.21236/ada451466. {{cite journal}}: Citar diario requiere |journal=( ayuda )
  8. ^ Scharstein, Daniel; Szeliski, Richard (2002). "Una taxonomía y evaluación de algoritmos de correspondencia estéreo densos de dos cuadros". Revista Internacional de Visión por Computadora . 47 (1/3): 7–42. doi :10.1023/A:1014573219977. S2CID  195859047.