REDES NEURONALES ARTIFICIALES

¿QUE SON LAS REDES NEURONALES ARTIFICIALES?

Son un tipo de modelo de aprendizaje automático (machine learning) inspirado en el funcionamiento del cerebro humano. Están diseñadas para procesar información y aprender patrones, lo que las hace especialmente adecuadas para tareas de reconocimiento de patrones, clasificación, regresión, procesamiento de lenguaje natural, visión por computadora y muchas otras aplicaciones.

TRES CONCPETOS BÁSICOS

Neurona Artificial: La unidad fundamental de una red neuronal es la neurona artificial, que es una abstracción inspirada en las neuronas biológicas del cerebro. Cada neurona artificial toma múltiples entradas, realiza cálculos en esas entradas y produce una salida. Los cálculos suelen involucrar una suma ponderada de las entradas y una función de activación que determina si la neurona se activa o no.

Capas: Las neuronas artificiales se organizan en capas en una red neuronal. Las capas se dividen en tres tipos principales:

• Capa de Entrada: Recibe datos de entrada y pasa estos datos a la siguiente capa.

• Capas Ocultas: Estas capas intermedias realizan cálculos y transformaciones en los datos de entrada. Pueden ser profundas, lo que significa que hay múltiples capas ocultas, o poco profundas, con una sola capa oculta.

• Capa de Salida: Produce la salida final de la red neuronal. La cantidad de neuronas en esta capa depende del tipo de tarea que la red esté diseñada para realizar.

Aprendizaje Profundo: Cuando una red  neuronal tiene múltiples capas ocultas, se le llama una red neuronal profunda o Deep Neural Network (DNN). El aprendizaje profundo ha demostrado ser muy eficaz en una amplia gama de aplicaciones, como visión por computadora y procesamiento de lenguaje natural.