Please enable JavaScript.
Coggle requires JavaScript to display documents.
Arquitectura de Redes Neuronales. - Coggle Diagram
Arquitectura de Redes Neuronales.
6.1. Definiciones Básicas.
denomina arquitectura a la topología o estructura en la que las distintas neuronas constituyentes de la red neuronal
se asocian. En un ANS
los nodos se conectan por medio de sinapsis
determina el comportamiento de la red
las neuronas se suelen agrupar en unidades estructurales denominadas capas
Capa de entrada: compuesta por neuronas que reciben datos o señales procedentes del entorno.
Capa de salida: aquella cuyas neuronas proporcionan la respuesta de la red
Capa oculta: aquella que no tiene una conexión directa con el entorno.
Las conexiones entre las neuronas pueden ser
excitatorias o inhibidoras, según el signo del peso sináptico asociado a la conexión
conexiones intracapa y conexiones intercapa.
corresponden con las conexiones entre las neuronas de una misma capa
corresponde a las conexiones entre neuronas de distintas capas.
6.2. Definición formal de Red Neuronal.
Una red neuronal es un grafo
1) A cada nodo i se le asocia un variable de estado Xi .
2) A cada conexión (i, j) de los nodos i y j se el asocia un peso
3) A cada nodo i se le asocia un umbral
4) Para cada nodo i se define una función, que depende de los pesos de sus conexiones, del umbral y de los estados de los nodos j a él conectados. Esta función proporciona el nuevo estado del nodo.
6.3. Tipos de Redes Neuronales.
6.3.1. Red Neuronal Monocapa.
corresponde con la red neuronal más sencilla ya que se tiene una capa de neuronas
proyectan las entradas a una capa de neuronas de salida donde se realizan los diferentes cálculos
6.3.2. Red Neuronal Multicapa.
conjunto de capas intermedias entre la capa de entrada y la de salida (capas ocultas).
Este tipo de red puede estar total o parcialmente conectada.
6.3.3. Red Neuronal Recurrente.
existencia de lazos de realimentación en la red
Estos lazos pueden ser entre neuronas de diferentes capas, neuronas de la misma capa o, entre una misma neurona
adecuada para estudiar la dinámica de los sistemas no lineales