Please enable JavaScript.
Coggle requires JavaScript to display documents.
Aprendizaje Supervisado en Redes Neuronales - Coggle Diagram
Aprendizaje Supervisado en Redes Neuronales
Tareas y Aplicaciones
Clasificación (organizar en categorías discretas) y Regresión (predecir valores numéricos continuos)
Problemas fundamentales de Clasificación y de Regresión
Implementación en reconocimiento de imágenes, diagnóstico médico y predicción de precios
Tipos de Predicción
Aprendizaje Supervisado en Redes Neuronales
Datos de entrada acoplados a etiquetas objetivo
Mapeo de características (X) para predecir una variable de salida (Y)
Estructura del Dataset
División del conjunto en entrenamiento, validación y prueba
Arquitectura del Proceso
Multiplicación de entradas por pesos (weights) sumando el sesgo (bias)
Transformación no lineal mediante funciones de activación (ReLU, Sigmoide)
Flujo de datos desde la capa de entrada hasta la salida
Propagación Hacia Adelante (Forward Propagation)
Mecanismo de Evaluación
Generación de una penalización numérica que guía el ajuste del modelo
Cuantificación matemática del error cometido por la red neuronal
Elección según el tipo de problema (Error Cuadrático Medio vs. Entropía Cruzada)
Función de Pérdida (Loss Function)
Algoritmo de Optimización
Actualización de pesos mediante algoritmos como el Descenso del Gradiente (o Adam)
Retropropagación del Error (Backpropagation)
Cálculo de gradientes utilizando matemáticamente la Regla de la Cadena
Propagación del error desde la capa de salida hacia atrás en la red
