Please enable JavaScript.
Coggle requires JavaScript to display documents.
Redes neuronales artificiales - Coggle Diagram
Redes neuronales artificiales
Origen
Fueron propuestas por primera vez en 1944 por Warren McCullough y Walter Pitts, dos investigadores de la Universidad de Chicago que se trasladaron al MIT en 1952 como miembros fundadores de lo que a veces se llama el primer departamento de ciencia cognitiva.
Resurge en la década de 1980, y se eclipso en la primera década del nuevo siglo y ha regresado con gran éxito en la segunda, impulsada en gran medida por el mayor poder de procesamiento de los chips gráficos.
Se conocen como
Un medio para que una computadora aprenda a realizar alguna tarea analizando ejemplos de entrenamiento
Una red neuronal podría tomar decisiones cada vez más complejas dependiendo del resultado de decisiones o capas anteriores
Se compone de
Consta de miles o incluso millones de nodos de procesamiento simples que están densamente interconectados.
Que se dividen en
Una o más capas ocultas
Una capa de salida
Una capa de entrada
Nodos
Es una neurona artificial que se conecta a la siguiente.
Y tienen
Un peso
Un valor umbral
Cuando la salida de un nodo está por encima del valor umbral, ese nodo se activa y envía sus datos a la siguiente capa de la red.
Si está por debajo del umbral, no se transmiten datos.
son un
Subconjunto del aprendizaje automático y son la columna vertebral de los algoritmos de aprendizaje profundo
Se busca
Emular el cerebro humano, combinando informática y estadística para resolver problemas comunes en el campo de la IA.
puede ser un desafio
Porque lograr los objetivos de la IA puede ser difícil porque primero deberá asegurarse de tener los sistemas adecuados para construir algoritmos de aprendizaje para administrar sus datos
Como funciona
Cada nodo individual debe considerarse como un modelo de regresión lineal, compuesto por datos de entrada, ponderaciones, un sesgo (o umbral) y una salida.
Su entrenamiento puede ser
Retropropagación, es decir, moverse en la dirección opuesta de la salida a la entrada
Esta permite calcular y atribuir el error asociado con cada neurona, lo que nos permite ajustar y ajustar los parámetros de los modelos de manera adecuada.
Feedforward, lo que significa que fluyen en una sola dirección, de entrada a salida
Tipos
Las redes neuronales convolucionales (CNN) son similares a las redes feedforward, pero generalmente se utilizan para el reconocimiento de imágenes, el reconocimiento de patrones y/o la visión por computadora
Las redes neuronales de avance, o perceptrones multicapa (MLP, se componen de una capa de entrada, una capa o capas ocultas y una capa de salida.
El perceptrón es la red neuronal más antigua, creada por Frank Rosenblatt en 1958.
Las redes neuronales recurrentes (RNN) se identifican por sus bucles de retroalimentación. Estos algoritmos de aprendizaje se aprovechan principalmente cuando se utilizan datos de series de tiempo para hacer predicciones sobre resultados futuros, como predicciones del mercado de valores o pronósticos de ventas.