BACK PROPAGATION Y PERCEPTRON

Rodolfo Monteros Bayliss Johan Mendoza Perez

Max Monarres Snchez

Humberto de Hoyos Snchez

BACKPROPAGATION
La propagacin hacia atrs de errores o retropropagacin (del ingls backpropagation) es un algoritmo de aprendizaje supervisado que se usa para entrenar redes neuronales artificiales. El algoritmo consiste en minimizar un error (comnmente cuadrtico) por medio de descenso de gradiente, por lo que la parte esencial del algoritmo es clculo de las derivadas parciales de dicho error con respecto a los

parmetros de la red neuronal.

MINIMIZACIN DEL ERROR

Los algoritmos en Aprendizaje Automtico pueden ser clasificados en dos categoras: supervisados y no supervisados. Los algoritmos en aprendizaje supervisado son usados para construir "modelos" que generalmente predicen ciertos valores deseados. Para ello, los algoritmos supervisados requieren que se especifiquen los valores de salida (output) u objetivo (target) que se asocian a ciertos valores de

entrada (input).

EJEMPLOS DE OBJETIVOS
Pueden ser valores que indican xito/fallo, venta/no-venta, prdida/ganancia, o bien ciertos atributos multi-clase como cierta gama de colores o las letras del alfabeto. El conocer los valores de salida deseados permite determinar la calidad de la aproximacin del modelo obtenido por el algoritmo.

 El Perceptrn es un tipo de red neuronal artificial desarrollado por Frank Rosenblatt, tambin puede entenderse como perceptrn la neurona artificial y unidad bsica de inferencia en forma de discriminador lineal, que constituye

PERCEPTRN

este modelo de red neuronal artificial, esto debido a que el perceptrn puede
usarse como neurona dentro de un perceptrn ms grande u otro tipo de red neuronal artificial.

DEFINICIN
El perceptrn usa una matriz para representar las redes neuronales y es un discriminador terciario que traza su entrada x (un vector binario) a un nico valor de salida f(x) (un solo valor binario) a travs de dicha matriz.

EJEMPLO
Mc Culloch y Pitts (1943) desarrollan la primera modelizacin de una neurona artificial que busca explicar rudimentariamente la neurona humana. El modelo de Mc Culloch y Pitts se puede representar como:

MODELIZACIN DE UNA NEURONA ARTIFICIAL