| Resumen |
"El aprendizaje hebbiano es un paradigma biológicamente plausible de optimización paramétrica en Redes Neuronales Artificiales. En años recientes, varias reglas hebbianas han sido incluidas en arquitecturas de Aprendizaje
Profundo. No obstante, estas implementaciones estan principalmente enfocadas en demostrar el potencial del aprendizaje hebbiano, y poca investigación se ha desarrollado en problemas específicos, como la clasificación de rostros. En este artículo, los autores presentan una aplicación del aprendizaje hebbiano en clasificación de rostros utilizando tanto una base de datos pública como privada. Asimismo, las reglas de aprendizaje hebbiano implementadas fueron la regla de Hebb Simple, la regla de Oja y la regla BCM. En general, el algoritmo de kNN mostro mejores resultados comparativos para esta tarea, mientras que las reglas de aprendizaje hebbiano fueron particularmente sensibles al desbalace de los datos. Para mitigar el problema, los autores introdujeron reglas de Hebb escaladas, las cuales lograron mejores resultados en comparacion de las versiones no escaladas, teniendo un desempeno cercano al de optimizadores basados en el gradiente como el algoritmo de Adam." |
