Documentos de Académico
Documentos de Profesional
Documentos de Cultura
html
https://magiquo.com/redes-neuronales-o-el-arte-de-imitar-el-cerebro-humano/
http://webs.ucm.es/info/pslogica/redesdoc.pdf
w=peso
Las entradas que reciben los datos de otras neuronas. En una neurona
biológica corresponderían a las dendritas
Los pesos sinapticos wij. Al igual que en una neurona biológica se
establecen sinápsis entre las dendritas de una neurona y el axón de otra, en
una neurona artificial a las entradas que vienen de otras neuronas se les
asigna un peso, un factor de importancia. Este peso, que es un número, se
modifica durante el entrenamiento de la red neuronal, y es aquí por tanto
donde se almacena la infomación que hara que la red sirva para un
propósito u otro.
Una regla de propagación. Con esas entradas y los pesos sinapticos, se
suele hacer algun tipo de operación para obtener el valor del potencial
postsinaptico (valor que es funcion de las entradas y los pesos y que es el
que se utiliza en último término para realizar el procesamiento). Una de las
operaciones mas comunes es sumar las entradas, pero teniendo en cuenta
la importancia de cada una (el peso sináptico asociado a cada entrada). Es
lo que se llama suma ponderada, aunque otras operaciones también son
posibles.
sabemos cuales son los datos de entradas y le damos a los nodos esos datos, esta red neuronal lo
que hace es mover los datos entre un rango de valores como 0 y 100 con diferentes funciones y
luego intentan ver si se acercan al resultado original y si no lo vuelven a intentar muchas veces en
paralelo
básicamente es tirarles datos y que un pequeño microprocesador una pequeña función los
cambien de muchas maneras y las que no funcionan simplemente se apagan, las que si funcionan
son las que se prenden y tienen mas rango de algo que internamente se llama baias que es como
el sesgo o la probabilidad de que sea de verdad o no
activation functions
función de signos que la pone en -1, 0 o 1 los datos con los que tendríamos 3 pasos,
y una función especial que es un gradiente que nos pasa por todos los posibles números
que va desde 0 a 1 en una curva esta función se llama la función sigmoide.
Segundo ejemplo ///////////////////////////////////
Imaginemos que esta red neuronal funciona con imputs y cada imput seria un pixel de la imagen
Luego intenta revisar cuales son los frontales, ruedas logo del frente
Proceso gigantesco donde se requiere una masiva cantidad de computación para poder lograrlo
Y esta es la forma en la que una red neuronal ve, creando muchos procesos pasándola por la
función sigmoide