40551418
Description
Mind Map by Wilson Bala, updated 9 months ago
|
Created by Wilson Bala
9 months ago
|
|
Redes
neuronales
artificiales
- Definición:
- Son modelos computacionales inspirados en la estructura y
función del cerebro humano, el cual es capaz de aprender
a partir de datos previos, procesando la información de
una forma similar a las neuronas biologicas.
- Son modelos computacionales inspirados en la estructura y
función del cerebro humano, el cual es capaz de aprender
a partir de datos previos, procesando la información de
una forma similar a las neuronas biologicas.
- Componentes
Principales:
- Función de activación
- Transforma la salida de la neurona
- Transforma la salida de la neurona
- Pesos sinápticos
- son valores numéricos que
determinan la fuerza de la
conexión entre neuronas
- son valores numéricos que
determinan la fuerza de la
conexión entre neuronas
- Neurona Principal
- ES la unidad basica que
resive entradas. las procesa
y genera un salida
- ES la unidad basica que
resive entradas. las procesa
y genera un salida
- Capas
- Ocultas
- Procesan internamente
- Procesan internamente
- Salida
- Produce el resultado final
- Produce el resultado final
- Entradas
- Recibe datos
- Recibe datos
- Ocultas
- Función de activación
- Tipos de
redes
- Perceptrón simple
- Red neuronal con una única
neurona binaria (función de
activación escalón)
- Red neuronal con una única
neurona binaria (función de
activación escalón)
- Recurrentes(RNN)
- Red neuronal artificial
diseñada para procesar
datos secuenciales,
donde la salida de un
paso depende de los
cálculos realizados en
pasos anteriores.
- Red neuronal artificial
diseñada para procesar
datos secuenciales,
donde la salida de un
paso depende de los
cálculos realizados en
pasos anteriores.
- Redes
Profundas(DNN)
- Modelo de
aprendizaje
automático que se
caracteriza por
tener múltiples
capas ocultas
entre la capa de
entrada y la capa
de salida.
- Modelo de
aprendizaje
automático que se
caracteriza por
tener múltiples
capas ocultas
entre la capa de
entrada y la capa
de salida.
- Multicapa(MLP)
- Consta de múltiples capas de nodos (neuronas),
incluyendo una capa de entrada, una o más capas
ocultas y una capa de salida.
- Consta de múltiples capas de nodos (neuronas),
incluyendo una capa de entrada, una o más capas
ocultas y una capa de salida.
- Convolucionales(CNN)
- Red neuronal artificial especializada
en el procesamiento de datos con
estructura de cuadrícula, como
imágenes y vídeos.
- Red neuronal artificial especializada
en el procesamiento de datos con
estructura de cuadrícula, como
imágenes y vídeos.
- Perceptrón simple
- Funcionamiento
- Entradas
- Procesamiento
en capas
- Salida
- Salida
- Procesamiento
en capas
- Comparación con
salida esperada.
- Entrenamiento con algoritmos
como descenso de gradiante.
- Entradas
- Desventajas
- Riesgo de sobre
ajuste
- necesidad de grandes cantidades
de datos para su entrenamiento.
- Son difíciles de interpretar, lo que
hace difícil entender el motivo por
el que llega a una cierta predicción.
- Riesgo de sobre
ajuste
- ventajas
- Alta precisión en
tareas complejas.
- Capasidad de aprender
patrones no lineales.
- Adaptabilidad a diversos
tipos de datos.
- Alta precisión en
tareas complejas.
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.