Diferencias

Muestra las diferencias entre dos versiones de la página.

--- clase:ia:saa:1_introduccion_ia:rn [2021/07/13 09:35]
cesguiro
+++ — (actual)
@@ Línea 1: / Línea 1: @@
-====== 6 - Redes neuronales ======
-Las redes neuronales son un modelo de machine learning inspirado en el funcionamiento de las redes neuronales de los organismos vivos: un conjunto de neuronas conectadas entre sí y que trabajan en conjunto.
-===== Perceptrón =====
-En las redes neuronales de los organismos vivos la unidad básica es la neurona. Se compone de un cuerpo celular que contiene el núcleo, muchas extensiones de conexión llamadas //dentritas//, y una extensión muy larga denominada //axón//.
-{{ :clase:ia:saa:iia:neurona.png?400 |}}
-El equivalente a las neuronas en las redes neuronales artificiales es el **perceptrón**.
-{{ :clase:ia:saa:iia:perceptron.png?400 |}}
-Su tarea es hacer una suma ponderada de las entradas (asignándole un peso a cada una de ellas) más una entrada adicional con valor constante igual a 1 (con su peso correspondiente) llamada **bias**.
-La salida del perceptrón es lineal, con lo que se le aplica una función (llamada **función de activación**) para añadir no linealidad al resultado.
-{{ :clase:ia:saa:iia:activacion.jpeg?200 |}}
-<note>Existen muchas funciones de activación, y seleccionaremos una en función del problema a resolver.</note>
-===== Aprendizaje profundo (deep learning) =====
-El **aprendizaje profundo (deep learning)** es un caso particular de red neuronal. Se trata de conectar varias capas de neuronas entre sí (cada una de las cuales puede tener diferente número de neuronas).
-<note>En realidad, lo que define al aprendizaje profundo no es el número de capas, sino el procesamiento de datos de forma jerárquica. Cada capa extrae características de nivel más alto hasta llegar a la respuesta final</note>
-{{ :clase:ia:saa:iia:deep-learning-proceso.png?400 |}}
-La primera capa se llama **capa de entrada**, y tendrá tantas neuronas como entradas tenga nuestro algoritmo (por ejemplo, si queremos predecir el precio de una casa en función de la ciudad, barrio y metros cuadrados, nuestra red tendrá 3 entradas). Del mismo modo, la última capa recibe el nombre de **capa de salida**, y tendrá tantas neuronas como salidas tenga nuesto modelo (en el caso anterior, una salida: la predicción del precio).
-Las capas intermedias se denominan **capas ocultas**, y estarán conectadas entre sí, de forma que las salidas de la capa k serán las entradas de la capa k-1. Cada de una de estas capas ocultas puede estar formado por un número diferente de neuronas.
-{{ :clase:ia:saa:iia:capas.png?400 |}}