-
Fue el primero en estudiar el cerebro como una forma de ver el mundo de la
computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal -
Fue el primero en explicar los procesos del aprendizaje (que
es el elemento básico de la inteligencia humana) desde un punto de vista psicológico, desarrollando una regla de
como el aprendizaje ocurría.
Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una
neurona eran activados -
Encontró que la información no era almacenada en forma
centralizada en el cerebro sino que era distribuida encima de él. -
Este Congreso frecuentemente se menciona para indicar el nacimiento
de la inteligencia artificial. -
Comenzó el desarrollo del Perceptrón. Esta es la red neuronal más antigua; utilizándose hoy en día para aplicación como reconocedor de patrones. Este modelo era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado anteriormente.
-
Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos
en las líneas telefónicas) que se ha utilizado comercialmente durante varias décadas -
Red neuronal para simples realizaciones técnicas (memoria
asociativa). -
Realizó una red: Avalancha, que consistía en elementos discretos con actividad que varía en el tiempo que satisface ecuaciones diferenciales continuas, para resolver actividades como reconocimiento continuo de habla y aprendizaje de los brazos de un robot.
-
Probaron (matemáticamente) que el Perceptrón no era capaz de resolver problemas relativamente fáciles, tales como el aprendizaje de una función no-lineal. Esto demostró que el Perceptrón era muy débil, dado que las funciones no-lineales son extensamente empleadas en computación y en los problemas del mundo real.
-
Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation); cuyo significado quedó definitivamente aclarado en 1985.
-
Teoría de Resonancia Adaptada (TRA). La Teoría de Resonancia Adaptada es una arquitectura de red que se diferencia de todas las demás previamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo.
-
Desarrolló un modelo neuronal para el reconocimiento de patrones visuales.
-
Provocó el renacimiento de las redes neuronales con su libro: "Computación neuronales de desiciones en problemas de optimización."
-
Redescubrieron el algoritmo de aprendizaje de propagación hacia atras (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales.
