{"id":1195,"date":"2020-05-14T18:36:22","date_gmt":"2020-05-15T00:36:22","guid":{"rendered":"http:\/\/www.jacobsoft.com.mx\/?p=1195"},"modified":"2025-02-20T13:37:49","modified_gmt":"2025-02-20T19:37:49","slug":"introduccion-a-las-redes-neuronales","status":"publish","type":"post","link":"https:\/\/www.jacobsoft.com.mx\/en\/introduccion-a-las-redes-neuronales\/","title":{"rendered":"Introducci\u00f3n a las Redes Neuronales"},"content":{"rendered":"<h2 class=\"wp-block-heading\">Introducci\u00f3n a las Redes Neuronales<\/h2>\n\n\n\n<p>Las redes neuronales artificiales son un <strong><em>paradigma de aprendizaje<\/em><\/strong> y de procesamiento automatizado basado en el funcionamiento del sistema nervioso <strong><em>biol\u00f3gico<\/em><\/strong>, en este sentido, las redes neuronales artificiales son sistemas de procesamiento que copian esquem\u00e1ticamente la estructura neuronal del cerebro con el fin de reproducir sus capacidades. Una red neuronal est\u00e1 conformada por un grupo de neuronas interconectadas que colaboran entre s\u00ed para producir un est\u00edmulo de salida.<\/p>\n\n\n\n<p>De esta manera, las redes neuronales artificiales son capaces de <strong><em>aprender <\/em><\/strong>de la experiencia a partir de datos o se\u00f1ales provenientes del exterior en un <strong><em>marco de computaci\u00f3n paralela y distribuida<\/em><\/strong>.<\/p>\n\n\n\n<p>In the <strong><em>estructura neuronal biol\u00f3gica<\/em><\/strong>, en general, las neuronas constituyen procesadores de informaci\u00f3n sencillos. Poseen un canal de entrada de informaci\u00f3n que son las dentritas, un \u00f3rgano de c\u00f3mputo, que es el cuerpo celular o soma y un canal de salida que es el ax\u00f3n.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"800\" height=\"455\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-biologica.png\" alt=\"\" class=\"wp-image-1257\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-biologica.png 800w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-biologica-300x171.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-biologica-768x437.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-biologica-105x60.png 105w\" sizes=\"auto, (max-width: 800px) 100vw, 800px\" \/><figcaption>Estructura de una neurona biol\u00f3gica<\/figcaption><\/figure><\/div>\n\n\n\n<p>El ax\u00f3n env\u00eda la informaci\u00f3n a otras neuronas y si \u00e9stas \u00faltimas son motoras, la informaci\u00f3n se env\u00eda directamente al m\u00fasculo. En el caso de las neuronas receptoras o sensoras, reciben la informaci\u00f3n directamente del exterior, en lugar de hacerlo desde otras neuronas.<\/p>\n\n\n\n<p>La uni\u00f3n entre dos neuronas se denomina sinapsis y representa una comunicaci\u00f3n direccional, es decir, que fluye en un s\u00f3lo sentido.<\/p>\n\n\n\n<p>Cada neurona recibe un conjunto de entradas a trav\u00e9s de sus <strong>interconexiones <\/strong>y produce una salida que depende de la sinapsis realizada y del procesamiento realizado en el cuerpo de la neurona.<\/p>\n\n\n\n<p>An\u00e1logamente, en los sistemas de <strong><em>redes neuronales artificiales<\/em><\/strong>, se imita la estructura del sistema nervioso con la intenci\u00f3n de construir sistemas con un cierto comportamiento inteligente en un esquema de procesamiento paralelo, distribuido y adaptativo.<\/p>\n\n\n\n<p>Cuando se dice que las redes neuronales artificiales son sistemas paralelos, distribuidos y adaptativos, es por que se intenta emular el paralelismo de c\u00e1lculo, la memoria distribuida y la adaptabilidad al entorno.<\/p>\n\n\n\n<p>Verlo en <strong>video <\/strong>aqu\u00ed y suscribete al canal en <strong>Youtube<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Introducci\u00f3n a las Redes Neuronales | Machine Learning\" width=\"780\" height=\"439\" src=\"https:\/\/www.youtube.com\/embed\/yNToSpxYOlE?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Modelo gen\u00e9rico de neurona artificial<\/h2>\n\n\n\n<p>De acuerdo con la descripci\u00f3n del grupo PDP (Parallel Distributed Processing Research Group, de la Universidad de California en San Diego) [Rumelhart 86a, McClelland 86], una neurona artificial es un dispositivo simple de c\u00e1lculo que, a partir de un vector de entrada procedente del exterior o de otras neuronas, proporciona una \u00fanica respuesta o salida.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"338\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona.png\" alt=\"\" class=\"wp-image-1260\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-300x118.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-768x303.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona-152x60.png 152w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><\/figure><\/div>\n\n\n\n<p>Las entradas constituyen las variables independientes X1, X2, &#8230; Xm y la salida Y es la variable dependiente, la cual puede ser un valor continuo, un valor binario, o un valor categ\u00f3rico.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"370\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neuronas-entradas.png\" alt=\"\" class=\"wp-image-1215\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neuronas-entradas.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neuronas-entradas-300x130.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neuronas-entradas-768x332.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neuronas-entradas-139x60.png 139w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><\/figure><\/div>\n\n\n\n<p>La sinapsis se da a trav\u00e9s de los pesos sin\u00e1pticos que representan la intensidad de interacci\u00f3n de las entradas. La salida en la neurona es la variable dependiente que puede tener valores continuos, binarios o categ\u00f3ricos.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"345\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-salia.png\" alt=\"\" class=\"wp-image-1217\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-salia.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-salia-300x121.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-salia-768x310.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-salia-149x60.png 149w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><\/figure><\/div>\n\n\n\n<p>La sinapsis se lleva a cabo con la excitaci\u00f3n de las entradas de la neurona que son modificadas por los pesos com\u00fanmente llamados, pesos sin\u00e1pticos. Esto implica que cada una de las entradas es multiplicada por su peso correspondiente como primer paso en la conformaci\u00f3n de una salida.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"353\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-1-paso.png\" alt=\"\" class=\"wp-image-1219\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-1-paso.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-1-paso-300x124.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-1-paso-768x317.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/03\/neurona-1-paso-145x60.png 145w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><figcaption>1er Paso. Suma de las entradas multiplicada por sus pesos correspondientes<\/figcaption><\/figure><\/div>\n\n\n\n<div style=\"height:30px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p>La salida producida en una neurona viene dada por tres funciones:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li><strong>Funci\u00f3n de Propagaci\u00f3n<\/strong>. Tambi\u00e9n llamada funci\u00f3n de excitaci\u00f3n la cual consiste en la suma de los valores de cada entrada multiplicada por el peso de sus interconexiones. Si el peso es positivo, la conexi\u00f3n es excitadora y si es negativo, la conexi\u00f3n es inhibidora.<\/li><li><strong>Funci\u00f3n de Activaci\u00f3n<\/strong>. Si existe, modifica a la funci\u00f3n de propagaci\u00f3n de acuerdo con un objetivo, si no existe, la salida es la misma funci\u00f3n de propagaci\u00f3n.<\/li><li><strong>Funci\u00f3n de Transferencia<\/strong>. Se aplica al valor devuelto por la funci\u00f3n de activaci\u00f3n para acotar la salida de la neurona, por lo que se utiliza para dar una interpretaci\u00f3n a dicha salida. Por ejemplo, la funci\u00f3n <strong><em>sigmoidal<\/em><\/strong> se utiliza para obtener valores en el intervalo de 0 a 1, si se desea obtener valores en el intervalo de -1 a 1, com\u00fanmente se utiliza la funci\u00f3n <strong><em>tangente hiperb\u00f3lica<\/em><\/strong>.<\/li><\/ul>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"352\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona3.png\" alt=\"\" class=\"wp-image-1264\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona3.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona3-300x123.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona3-768x316.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/neurona3-146x60.png 146w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><figcaption>2o Paso, Funci\u00f3n de activaci\u00f3n aplicada a la suma de las entradas multiplicada por sus pesos correspondientes<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"354\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/3er-Paso.png\" alt=\"\" class=\"wp-image-1530\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/3er-Paso.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/3er-Paso-300x124.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/3er-Paso-768x318.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/3er-Paso-145x60.png 145w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><figcaption>En el tercer paso se obtiene la salida acotada por la funci\u00f3n de transferencia o activaci\u00f3n<\/figcaption><\/figure><\/div>\n\n\n\n<div style=\"height:30px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div style=\"height:30px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p>Las funciones de transferencia o activaci\u00f3n m\u00e1s comunes se muestran en la siguiente tabla:<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"505\" height=\"608\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/funciones.png\" alt=\"\" class=\"wp-image-1267\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/funciones.png 505w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/funciones-249x300.png 249w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/funciones-50x60.png 50w\" sizes=\"auto, (max-width: 505px) 100vw, 505px\" \/><\/figure><\/div>\n\n\n\n<p><\/p>\n\n\n\n<p>El modelo de <strong>red neuronal<\/strong> se inspira en la operaci\u00f3n del sistema biol\u00f3gico en el sentido de incorporar un conjunto de entradas y proporcionar cierta respuesta, que se propaga por el ax\u00f3n para conformar una salida o la entrada a otras neuronas, constituyendo as\u00ed una red de neuronas que colaboran entre s\u00ed, para un objetivo com\u00fan.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"679\" height=\"427\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/red-neuronal.png\" alt=\"\" class=\"wp-image-1265\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/red-neuronal.png 679w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/red-neuronal-300x189.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2019\/04\/red-neuronal-95x60.png 95w\" sizes=\"auto, (max-width: 679px) 100vw, 679px\" \/><\/figure><\/div>\n\n\n\n<p>Una <strong>red neuronal<\/strong> parte del conjunto de datos de entrada con el objetivo de hacer que la red <strong>aprenda <\/strong>autom\u00e1ticamente las propiedades deseadas.<\/p>\n\n\n\n<p>El proceso por el cual los <strong>par\u00e1metros<\/strong> de la red se adecuan a la resoluci\u00f3n de cada problema se denomina <strong>entrenamiento neuronal.<\/strong><\/p>\n\n\n\n<p>Los par\u00e1metros de la red los constituyen los <strong>pesos sin\u00e1pticos <\/strong>y el <strong>bias <\/strong>or <strong>threshold<\/strong>.<\/p>\n\n\n\n<p>En la arquitectura de una red neuronal cada capa puede utilizar una funci\u00f3n de activaci\u00f3n o transferencia distinta:<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"856\" height=\"446\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/red-con-distintas-funciones.png\" alt=\"\" class=\"wp-image-1515\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/red-con-distintas-funciones.png 856w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/red-con-distintas-funciones-300x156.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/red-con-distintas-funciones-768x400.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/red-con-distintas-funciones-115x60.png 115w\" sizes=\"auto, (max-width: 856px) 100vw, 856px\" \/><figcaption>Red neuronal con distintas funciones de activaci\u00f3n en cada capa, la funci\u00f3n rectifier en la capa oculta y la funci\u00f3n sigmoid en la capa de salida<\/figcaption><\/figure><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplo sencillo de aplicaci\u00f3n<\/h2>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"512\" height=\"324\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/unnamed.jpg\" alt=\"\" class=\"wp-image-1518\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/unnamed.jpg 512w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/unnamed-300x190.jpg 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/unnamed-95x60.jpg 95w\" sizes=\"auto, (max-width: 512px) 100vw, 512px\" \/><figcaption>Evaluaci\u00f3n del valor de una propiedad<\/figcaption><\/figure><\/div>\n\n\n\n<p>Estimar el precio de una propiedad basados en datos como el tama\u00f1o o \u00e1rea en metros cuadrados o pies cuadrados, n\u00famero de habitaciones, distancia en metros o millas al centro de la ciudad y edad (tiempo de haber sido construida).<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"769\" height=\"472\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/variables-independientes.png\" alt=\"\" class=\"wp-image-1519\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/variables-independientes.png 769w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/variables-independientes-300x184.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/variables-independientes-98x60.png 98w\" sizes=\"auto, (max-width: 769px) 100vw, 769px\" \/><figcaption>variables independientes que describen el precio de la propiedad<\/figcaption><\/figure><\/div>\n\n\n\n<p>Los datos que describen el valor de la propiedad se constituyen como las variables independientes de la entrada a la red neuronal.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/Estimaci\u00f3n-del-precio.png\" alt=\"\" class=\"wp-image-1520\" width=\"580\" height=\"323\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/Estimaci\u00f3n-del-precio.png 845w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/Estimaci\u00f3n-del-precio-300x168.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/Estimaci\u00f3n-del-precio-768x429.png 768w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/Estimaci\u00f3n-del-precio-107x60.png 107w\" sizes=\"auto, (max-width: 580px) 100vw, 580px\" \/><figcaption>Estimaci\u00f3n del precio con una sola neurona<\/figcaption><\/figure><\/div>\n\n\n\n<p>Sin embargo, el problema de la estimaci\u00f3n del precio, podr\u00eda no ser un problema lineal y podr\u00eda requerir una capa oculta.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"676\" height=\"472\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/capa-oculta.png\" alt=\"\" class=\"wp-image-1521\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/capa-oculta.png 676w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/capa-oculta-300x209.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/capa-oculta-86x60.png 86w\" sizes=\"auto, (max-width: 676px) 100vw, 676px\" \/><figcaption>Arquitectura de 3 capas para la red neuronal<\/figcaption><\/figure><\/div>\n\n\n\n<p>Por lo que cada entrada, o neurona de la capa de entrada, deber\u00e1 conectarse a cada neurona de la capa oculta.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"691\" height=\"472\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-entrada-capa-oculta.png\" alt=\"\" class=\"wp-image-1522\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-entrada-capa-oculta.png 691w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-entrada-capa-oculta-300x205.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-entrada-capa-oculta-88x60.png 88w\" sizes=\"auto, (max-width: 691px) 100vw, 691px\" \/><figcaption>Conexiones de la capa de entrada a la capa oculta<\/figcaption><\/figure><\/div>\n\n\n\n<p>Si todas las variables de entrada son significativas para las neuronas de la capa oculta, todas las entradas contribuyen con su peso en cada una de las neuronas de la capa oculta. Sino es as\u00ed, algunas entradas podr\u00edan quedar anuladas para una o m\u00e1s neuronas de la capa oculta y esto se lleva a cabo utilizando el valor de los pesos, es decir, el peso se vuelve cero, para aquellas variables que no tienen significancia para algunas neuronas.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"749\" height=\"472\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-de-la-red.png\" alt=\"\" class=\"wp-image-1524\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-de-la-red.png 749w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-de-la-red-300x189.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/conexion-de-la-red-95x60.png 95w\" sizes=\"auto, (max-width: 749px) 100vw, 749px\" \/><figcaption>Interconexi\u00f3n completa entre las 3 capas de la red neuronal<\/figcaption><\/figure><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Aprendizaje de una red neuronal<\/h2>\n\n\n\n<p>Durante el <strong>training <\/strong>de la red neuronal, los <strong>pesos <\/strong>se modifican de manera tal que la conducta <strong>entrada\/salida<\/strong> se adec\u00fae con el ambiente que produce las entradas.<\/p>\n\n\n\n<p>Una <strong>regla de aprendizaje<\/strong> es un procedimiento para modificar los <strong>pesos <\/strong>y los <strong>b\u00edas <\/strong>de una red. Este procedimiento tambi\u00e9n se conoce como el <strong>algoritmo de entrenamiento<\/strong>.<\/p>\n\n\n\n<p>El objetivo de las <strong>reglas de aprendizaje<\/strong> es <strong><em>entrenar <\/em><\/strong>a la red para desempe\u00f1ar algunas tareas y dichas reglas de aprendizaje se clasifican en <strong>tres categor\u00edas<\/strong> generales:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li><strong>Aprendizaje Supervisado<\/strong>. Se proporcionan a la red un conjunto de ejemplo (el conjunto de entrenamiento), para indicarle el comportamiento adecuado de la red. Este conjunto contiene los valores de entrada y las salidas o targets esperados.<\/li><li><strong>Aprendizaje graduado o reforzado<\/strong>. Este tipo de aprendizaje es similar al supervisado, pero en lugar de proporcionarle las salidas correctas a cada entrada, s\u00f3lo recibe un score o valor de recompensa, que es una medida del desempe\u00f1o de la red sobre algunas secuencias de entrada en forma de retroalimentaci\u00f3n.<\/li><li><strong>Aprendizaje no supervisado<\/strong>. En este tipo de aprendizaje, los pesos y los bias se ajustan en respuesta \u00fanicamente de las entradas. No hay salidas correctas o targets disponibles. En este tipo de algoritmo se ejecuta alg\u00fan tipo de operaci\u00f3n de agrupamiento o clustering. Aprenden para categorizar los patrones de entrada dentro de un grupo finito de clases.<\/li><\/ul>\n\n\n\n<p>En el siguiente post hablaremos sobre el <strong>algoritmo de entrenamiento<\/strong> para redes neuronales basado en la propagaci\u00f3n hacia atr\u00e1s o <strong>back propagation<\/strong> y el <strong>gradiente decreciente<\/strong>.<\/p>","protected":false},"excerpt":{"rendered":"<p>Introducci\u00f3n a las Redes Neuronales Las redes neuronales artificiales son un paradigma de aprendizaje y &hellip; <\/p>","protected":false},"author":2,"featured_media":1543,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"advgb_blocks_editor_width":"","advgb_blocks_columns_visual_guide":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_uf_show_specific_survey":0,"_uf_disable_surveys":false,"footnotes":""},"categories":[25,35,46],"tags":[120,26,66,103,99,125,57,58,56,122,123,126,82,50,59,117,119,124,118,61,102,121],"class_list":["post-1195","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-algoritmos","category-inteligencia-artificial","category-machine-learning","tag-activation-function","tag-algoritmos-2","tag-analisis-de-datos","tag-aprendizaje-supervisado","tag-artificial-intelligence","tag-backpropagation","tag-ciencia-de-datos","tag-data-mining","tag-data-science","tag-funcion-de-activacion","tag-funcion-de-transferencia","tag-gradiente-descendente","tag-inteligencia-artificial","tag-machine-learning","tag-mineria-de-datos","tag-neural-networks","tag-neuron","tag-neurona","tag-perceptron","tag-python","tag-redes-neuronales","tag-transfer-function"],"aioseo_notices":[],"author_meta":{"display_name":"Jacob Avila Camacho","author_link":"https:\/\/www.jacobsoft.com.mx\/en\/author\/jacob-avila\/"},"featured_img":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/desacada-inro-nn-300x113.png","featured_image_src":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/desacada-inro-nn-e1589564609459.png","featured_image_src_square":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2020\/05\/desacada-inro-nn-e1589564609459.png","author_info":{"display_name":"Jacob Avila Camacho","author_link":"https:\/\/www.jacobsoft.com.mx\/en\/author\/jacob-avila\/"},"coauthors":[],"tax_additional":{"categories":{"linked":["<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/algoritmos\/\" class=\"advgb-post-tax-term\">Algoritmos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/\" class=\"advgb-post-tax-term\">Inteligencia Artificial<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Machine Learning<\/a>"],"unlinked":["<span class=\"advgb-post-tax-term\">Algoritmos<\/span>","<span class=\"advgb-post-tax-term\">Inteligencia Artificial<\/span>","<span class=\"advgb-post-tax-term\">Machine Learning<\/span>"]},"tags":{"linked":["<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">activation function<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">algoritmos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">an\u00e1lisis de datos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">aprendizaje supervisado<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Artificial Intelligence<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">backpropagation<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Ciencia de Datos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Data Mining<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Data Science<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">funci\u00f3n de activaci\u00f3n<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">funci\u00f3n de transferencia<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">gradiente descendente<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Inteligencia Artificial<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">machine learning<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Miner\u00eda de Datos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">neural networks<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">neuron<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">neurona<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">perceptron<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Python<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">redes neuronales<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/en\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">transfer function<\/a>"],"unlinked":["<span class=\"advgb-post-tax-term\">activation function<\/span>","<span class=\"advgb-post-tax-term\">algoritmos<\/span>","<span class=\"advgb-post-tax-term\">an\u00e1lisis de datos<\/span>","<span class=\"advgb-post-tax-term\">aprendizaje supervisado<\/span>","<span class=\"advgb-post-tax-term\">Artificial Intelligence<\/span>","<span class=\"advgb-post-tax-term\">backpropagation<\/span>","<span class=\"advgb-post-tax-term\">Ciencia de Datos<\/span>","<span class=\"advgb-post-tax-term\">Data Mining<\/span>","<span class=\"advgb-post-tax-term\">Data Science<\/span>","<span class=\"advgb-post-tax-term\">funci\u00f3n de activaci\u00f3n<\/span>","<span class=\"advgb-post-tax-term\">funci\u00f3n de transferencia<\/span>","<span class=\"advgb-post-tax-term\">gradiente descendente<\/span>","<span class=\"advgb-post-tax-term\">Inteligencia Artificial<\/span>","<span class=\"advgb-post-tax-term\">machine learning<\/span>","<span class=\"advgb-post-tax-term\">Miner\u00eda de Datos<\/span>","<span class=\"advgb-post-tax-term\">neural networks<\/span>","<span class=\"advgb-post-tax-term\">neuron<\/span>","<span class=\"advgb-post-tax-term\">neurona<\/span>","<span class=\"advgb-post-tax-term\">perceptron<\/span>","<span class=\"advgb-post-tax-term\">Python<\/span>","<span class=\"advgb-post-tax-term\">redes neuronales<\/span>","<span class=\"advgb-post-tax-term\">transfer function<\/span>"]}},"comment_count":"0","relative_dates":{"created":"Posted 6 years ago","modified":"Updated 1 year ago"},"absolute_dates":{"created":"Posted on May 14, 2020","modified":"Updated on February 20, 2025"},"absolute_dates_time":{"created":"Posted on May 14, 2020 6:36 pm","modified":"Updated on February 20, 2025 1:37 pm"},"featured_img_caption":"","series_order":"","_links":{"self":[{"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/posts\/1195","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/comments?post=1195"}],"version-history":[{"count":35,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/posts\/1195\/revisions"}],"predecessor-version":[{"id":1767,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/posts\/1195\/revisions\/1767"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/media\/1543"}],"wp:attachment":[{"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/media?parent=1195"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/categories?post=1195"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/en\/wp-json\/wp\/v2\/tags?post=1195"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}