Recetario de Aprendizaje Automático con Python, 2ª Edición

Capítulo 21. Redes neuronales

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

21.0 Introducción

En el corazón de las redes neuronales básicas está la unidad (también llamada nodo o neurona). Una unidad recibe una o más entradas, multiplica cada entrada por un parámetro (también llamado peso), suma los valores de las entradas ponderadas junto con algún valor de sesgo (normalmente 0) y, a continuación, introduce el valor en una función de activación. Esta salida se envía a otras neuronas más profundas de la red neuronal (si existen).

Las redes neuronales pueden visualizarse como una serie de capas conectadas que forman una red que conecta los valores de las características de una observación en un extremo y el valor objetivo (por ejemplo, la clase de la observación) en el otro extremo. Las redes neuronales de avance -también llamadas perceptrones multicapa-son las redes neuronales artificiales más sencillas que se utilizan en el mundo real. El nombre "feedforward" proviene del hecho de que los valores de las características de una observación se alimentan "hacia delante" a través de la red, y cada capa transforma sucesivamente los valores de las características con el objetivo de que la salida sea igual (o cercana) al valor del objetivo.

En concreto, las redes neuronales feedforward contienen tres tipos de capas. Al principio de la red neuronal hay una capa de entrada, en la que cada unidad contiene el valor ...