Fluxograma
Redes neuronames v2
Conteúdo do fluxograma
machine learning
Redes neuronales artificiales
Generalizar
su objetivo es
su objetivo es
Técnica
para
lograr
es una
utiliza
Clasificadores
Aprender
Representación
Optimización
Evaluación
para lograr
por
medio
de
Problemas
Aplicaciones
Pronóstico
Teledetección
Filtro de spam
Detección de fraudes
Underfitting
Dimensionalidad
Asunción
Overfitting
de
de
de
de
Los datos de entrenamiento
no se ajusta a
Se ajusta demasiado a
suposiciones
Información
Conocimiento
se requiere de
Teorema de no free lunch
Formalizado
en el
para lograr
en
surgen
Variables
Complejidad
la cantidad de
Aumenta la
su objetivo
es
existen
Procesador en paralelo distribuido
es un
El cerebro humano
modela
neuronas
posee
Entradas
Función de suma
conexiones
Bias
Función de activación
Salidas
formada
por
combinación lineal
es una
de
Producto
es un
pesos sinápticos
de
Acota
[0-1]
[-1,1]
valor externo
es un
ajusta
con rangos de
Función Relu
Función Sigmoide
por ejemplo
Interconectadas
que
están
Topologías
forman
Recurrent networks
Multi layer Perceptron
Simple-layer feedforward network
Saavedra Rodríguez Fernando
Detalles adicionales:
-- La lectura del mapa comienza en el centro de los dos conceptos en negrita.
-- Las conexiones que no poseen una flecha, corresponden a ejemplos que considero
sirven para clarificar algunos conceptos.
-- Algunos conceptos los dejé con su nombre en ingles ya que es más fácil encontrarlos
con ese nombre o la traducción era algo complicada
-- Un detalle que me gustaria clarificar por si existe la confusión, es que una red neuronal
son neuronas interconectadas.
Informações
- Descrição
- Fluxograma sobre Redes neuronames v2, criado por Fercho Saavedra em 01-04-2020.
- Criado por
- Fercho Saavedra
- Visualizações
- 0
- Avaliação
Mais sobre Redes neuronales y aprendizaje profundo