Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Valencia Fernando
17 de enero de 2020
1. Resumen
2. Introducción
3. Marco Teórico
El perceptrón es la red neuronal más básica que existe de aprendizaje supervisado que
data de los años 50.
El funcionamiento del perceptrón es muy sencillo, simplemente lee los valores de
entrada, suma todos las entradas de acuerdo a unos pesos y el resultado lo introduce en
una función de activación que genera el resultado final.
El entrenamiento del perceptrón no es más que determinar los pesos sinápticos y el
umbral que mejor hagan que la entrada se ajuste a la salida. Para la determinación de
estas variables, se sigue un proceso adaptativo. El proceso comienza con valores
aleatorios y se van modificando estos valores según la diferencia entre los valores
deseados y los calculados por la red.
Entonces, podremos decir que el perceptrón aprende de manera iterativa siguiendo
estos pasos:
Inicializar pesos y umbrales
Bucle: hasta resultado de pesos sea aceptable
Bucle: para todos los ejemplos
Leer valores de entrada
Calcular error
Actualizar pesos según el error
o Actualizar pesos de entradas
o Actualizar el umbral
4. Resultados
5. Conclusiones
6. Recomendaciones
7. Referencias
W1
X1
W1
Ʃ
X2
W2 B
X1
W1
X2
W2
output
X3
Ʃ 0 /1
W3
X4
W4
X5
W5
TEMP
W1
HUM
W2
Func. Act
PM25
Ʃ 0 /1
W3
PM10
W4
UV
W5