Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROYECTO DE INVESTIGACIÓN
FUNCIÓN LOGÍSTICA POBLACIONAL Y SU USO
EN REDES NEURONALES
GRUPO 19
Quito – Ecuador
2021-2021
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA QUÍMICA
CARRERA DE INGENIERÍA QUÍMICA
ECUACIONES DIFERENCIALES
En el discño y uso de una red ncuronal hay implicados un conjunto de elementos comunes a
todas ellas y unas reglas qué determinan como la información es transformada y el
aprendizaje almacenado.
Tales redes constan de varios elementos que en conjunto ayudan a la modelación y correcto
uso de una función logística como son:
Unidades de procesamiento
Estado de activación
Salida de las unidades
Patrón de conexiones
Regla de propagación
Regla de activación
Función sigmoidal o logística
Regla de aprendizaje
Ambiente
(Navarro, 1998, p.57-58)
Se trata de una función continua no lineal con bastante plausibilidad fisiológica. La función
sigmoidal posee un rango comprendido entre 0 y 1. Esto, aplicado a las unidades de
proceso de una red neuronal artificial significa que, sea cual sea la entrada, la salida estará
comprendida entre 0 y1. (Wassermann, 1989)
• El signo del peso de la conexión (a1,) determina que la función logística sea creciente
(signo positivo) o decreciente (signo negativo).
• El valor absoluto del peso de la conexión (a 1,) determina que la función logística tenga
mayor (valor alto) o menor (valor bajo) pendiente.
• Los valores de los pesos umbral (a01) y de conexión (a01) determinan en qué valor de x, se
produce la inflexión de la función logística. La fijación correcta del valor de inflexión de la
función logística tiene una relevancia especial durante el proceso de entrenamiento, ya que
este valor establece un punto que divide el rango de valores del input en dos zonas: una en
que la unidad oculta da un valor de salida alto y otra en que lo da bajo. (Navarro, 1998,
p.59)
https://www.tdx.cat/bitstream/handle/10803/5488/TJBNP1de2.pdf?
sequence=1&isAllowed=y
Bibliografía