Redes neuronales artificiales

Redes neuronales artificiales

1. 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.

2. Componentes Principales:

   • Función de activación
     • Transforma la salida de la neurona
   • Pesos sinápticos
     • 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
   • Capas
     • Ocultas
       • Procesan internamente
     • Salida
       • Produce el resultado final
     • Entradas
       • Recibe datos

3. Tipos de redes

   • Perceptrón simple
     • 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.
   • 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.
   • Multicapa(MLP)
     • 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.

4. Funcionamiento

   • Entradas
     • Procesamiento en capas
       • Salida
   • Comparación con salida esperada.
   • Entrenamiento con algoritmos como descenso de gradiante.

5. 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.

6. ventajas

   • Alta precisión en tareas complejas.
   • Capasidad de aprender patrones no lineales.
   • Adaptabilidad a diversos tipos de datos.

Imagens e arquivos do mapa