Una memoria asociativa (MA) es un
dispositivo que permite almacenar asociaciones entre patrones de
entrada (estimulos) y patrones de salida (conceptos). Una MA opera en
modo auto-asociativo, hetero-asociativo y bi-direccional. En esta
platica se describe un nuevo modelo de MA que combinado con tecnicas
inspiradas en las neurociencias permite almacenar y recuperar conceptos
provenientes de varios ámbitos, como rostros, señales de
voz, palabras,
etc. Se presentarán las condiciones formales bajo las cuales el
nuevo
modelo permite el almacenamiento y recuperación robusta de un
conjunto
dado de patrones.
Juan Humberto Sossa Azuela obtuvo el
grado de doctor en Informática por el Instituto Nacional
Politécnico de
Grenoble, Francia en 1992.
Ha escrito más de 170 trabajos en revistas, congresos y libros.
Ha
organizado más de 20 congresos en las areas de la inteligencia
artificial, informática y computación.
Es miembro de la Academia Mexicana de Ciencias des de 1997 y del
Sistema Nacional de Investigadores desde 1988, con nivel actual II.
Entre las distinciones más importantes que ha recibido destacan
el
Premio a la Investigación por el IPN en 1997, 1999, 2005 y 2008,
el
Diploma a la Investigación por el IPN en 2000, la Presea
Lázaro Cárdenas
en 2001 y el Galardón Universitario Enrique Díaz de
León por la UDG en
2008. Sus intereses en investigación son el análisis de
imágenes,
reconocimiento de patrones, redes neuronales y técnicas
bioinspiradas
aplicadas a la recuperacion de imágenes, la sintesis
automática de
memorias asociativas y el control de comunidades de robots.