Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Redes Neuronales: Prof. Cristhian Riaño
Redes Neuronales: Prof. Cristhian Riaño
•
Contexto
• Problemas que son resueltos por algoritmos pre-determinados (sistemas para
sugerir, búsqueda, grafos, ordenación).
Estos tipos de problemas son resueltos con algoritmos predeterminados o
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝑛𝑛
= � 𝑥𝑥𝑥𝑥
𝑖𝑖 neuronal
El conocimiento de la red
son los pesos. ∗ 𝑤𝑤𝑤𝑤
Naive bayes Entender como la red neuronal va aprender de los pesos.
Arboles de decisión
Instalación de herramientas
Instalación de herramientas
Numpy
Pandas
matplotlib
Ejemplo
• Después de suministrado un valor de entrada, la red procesa y retorna una
respuesta.
• La neurona es activada solamente si el valor fuera mayor de un umbral.
𝑛𝑛
No parametricos,
Maquinas vector,
Regresión
Agrupamiento
Detección de desvíos
Padrones de secuencias
• Aprendizaje supervisada:
Clasificación
Regresión
Aprendizaje de Maquina
• Aprendizaje supervisada
•
Ajustes de pesos
• AND
x1 x2 clase
0 0 0
0 1 0
1 0 0
1 1 1
𝑝𝑝 𝑛𝑛 + 1 = 0 + 0.1 ∗ 1 ∗ 1
Ajustes de pesos
• AND
x1 x2 clase
0 0 0
0 1 0
1 0 0
1 1 1
x1 x2 clase
0 0 0
0 1 0
1 0 0
1 1 1
Ajustes de pesos
• AND
x1 x2 clase
0 0 0
0 1 0
1 0 0
1 1 1
Ejercicio en clase
• Clasificación
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝑛𝑛
= � 𝑥𝑥𝑥𝑥
𝑖𝑖 neuronal
El conocimiento de la red
son los pesos. ∗ 𝑤𝑤𝑤𝑤
Naive bayes
Arboles de decisión
Función Step
Función Sigmoid
Función Hyperbolic tanget (función tangente
hiperbólica)
https://en.wikipedia.org/wiki/Activation_function