APRENDIZAJEPROFUNDOMARTHA

  REDES QUE RECUERDAN Y PROCESAN INFORMACIÓN ANTERIOR   Las Redes de Neuronas Recurrentes (RNRs), en inglés: Recurrent Neural Networks (RNN) son modelos de redes de neuronas artificiales (RNAs) donde las conexiones entre unidades forman un ciclo dirigido o secuencia en la que la  caminata a lo largo de los vértices y bordes está completamente determinada por el conjunto de bordes utilizados y, por lo tanto, tiene una apariencia de un orden específico. Las redes de neuronas recurrentes a menudo se usan específicamente para el reconocimiento de voz y escritura. Esta red viene caracterizada por la existencia de lazos de realimentación. Estos lazos pueden ser entre neuronas de diferentes capas, neuronas de la misma capa o, más sencillamente, entre una misma neurona. Esta estructura recurrente la hace especialmente adecuada para estudiar la dinámica de sistemas no lineales. Fuente: Redes Neuronales de Jordi Las RNNs son una familia particular de Red de Neuronas Artificial...

  ¿CÓMO FUNCIONAN LAS REDES CONVOLUCIONALES?   Las redes neuronales convolucionales (CNN) son una topología perteneciente al área de aprendizaje profundo, son útiles en el procesamiento de imágenes, audios y vídeos. Las CNN utilizan una operación matemática llamada convolución para extraer características relevantes de los datos de entrada y aprender a reconocer patrones en ellos. Las aplicaciones en la vida real como reconocimiento facial, detección de objetos, segmentación y otras.    CAPAS DE UNA RED CONVOLUCIONAL Cada parte de una Red Neuronal Convolucional está entrenada para realizar una tarea, por lo que el entrenamiento de cada una de las partes se desarrolla de manera individual y se efectúa más rápido. Es en la imagen siguiente que identificamos cada una de las capas del modelo de GPU: https://www.bravent.net/noticias/redes-neuronales-convolucionales-en-el-reconocimiento-de-imagenes/  La primera capa siempre es una ca...

  ¿QUÉ APRENDEMOS DEL PERCEPTRÓN MULTICAPA?     El perceptrón multicapa es una red neuronal artificial que consiste en múltiples capas de nodos o neuronas, como se puede apreciar en la imagen que se presenta. Se entiende que un perceptrón multicapa, es un tipo de red neuronal artificial organizada en capas, que consta de al menos tres capas: una capa de entrada, una o más capas ocultas y una capa de salida. Cada capa está compuesta por nodos o neuronas, y cada conexión entre nodos tiene un peso asociado. La información fluye desde la capa de entrada, a través de las capas ocultas, hasta la capa de salida. Cada nodo realiza una operación que involucra las entradas ponderadas por los pesos y aplica una función de activación no lineal. La presencia de capas ocultas y funciones de activación no lineales permite a los perceptrones multicapa aprender y representar patrones complejos, incluyendo aquellos que no son linealmente separables. La capacidad de los perceptrones ...