Perceptron

Un perceptrón es un modelo simple de una neurona biológica en una red neuronal artificial. Perceptron es también el nombre de un algoritmo temprano para el aprendizaje supervisado de clasificadores binarios.

El algoritmo del perceptrón se diseñó para clasificar las entradas visuales, categorizar a los sujetos en uno de dos tipos y separar los grupos con una línea. La clasificación es una parte importante del aprendizaje automático y el procesamiento de imágenes. Los algoritmos de aprendizaje automático encuentran y clasifican patrones por diferentes medios. El algoritmo del perceptrón clasifica patrones y grupos al encontrar la separación lineal entre diferentes objetos y patrones que se reciben a través de entradas numéricas o visuales.

El algoritmo del perceptrón se desarrolló en el Laboratorio Aeronáutico de Cornell en 1957, financiado por la Oficina de Investigación Naval de los Estados Unidos. El algoritmo fue el primer paso planificado para la implementación de una máquina para el reconocimiento de imágenes. La máquina, llamada Mark 1 Perceptron, estaba compuesta físicamente por una matriz de 400 fotocélulas conectadas a perceptrones cuyos pesos se registraban en potenciómetros, ajustados por motores eléctricos. La máquina fue una de las primeras redes neuronales artificiales jamás creadas.

En ese momento, se esperaba que el perceptrón fuera muy importante para el desarrollo de la inteligencia artificial (IA). Aunque el perceptrón inicial tenía grandes esperanzas, pronto se demostraron las limitaciones técnicas. Los perceptrones de una sola capa solo pueden separar clases si son linealmente separables. Más tarde, se descubrió que al usar múltiples capas, los perceptrones pueden clasificar grupos que no son separables linealmente, lo que les permite resolver problemas que los algoritmos de una sola capa no pueden resolver.