Scribd
Cargar
6 vistas3 páginas

Fundamentos de Redes Neuronales

Este documento describe las redes neuronales artificiales, incluyendo los fundamentos biológicos de las neuronas y cómo se modelan en las redes artificiales usando nodos, pesos y funciones de activación. También explica varias funciones de activación comúnmente usadas como la sigmoidal y softmax.

Cargado por

Maricela Delgadillo
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
6 vistas3 páginas

Fundamentos de Redes Neuronales

Este documento describe las redes neuronales artificiales, incluyendo los fundamentos biológicos de las neuronas y cómo se modelan en las redes artificiales usando nodos, pesos y funciones de activación. También explica varias funciones de activación comúnmente usadas como la sigmoidal y softmax.

Cargado por

Maricela Delgadillo
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

1

Redes neuronales
a

1. Redes neuronales

Las redes neuronales ari…ciales son aproximaciones no lineales de la forma que funciona el
cerebro; por lo tanto, no deben compararce directamente con el cerebro. Ademas se debe con-
siderar que las redes biologicas son generadoras de procesos neurologicos con una complejidad
muy alta, la cual no puede ser lograda con redes neuronales arti…ciales.

1.1. Fundamentos biologicos

Figura 1. Elementos neurales


Una neurona biológica es una célula especializada en procesar información. Como el cere-
bro se compone de conexiones de neuronas, se construye con conexiones de nodos, una red
neuronal arti…cial imita la asociación de las neuronas utilizando un valor de peso. En la
siguiente tabla se resume la analogía entre el cerebro y la red neuronal arti…cial.

En la …gura 2 se muestra el mecanismo de una red neuronal de un nodo que recibe tres
entradas.
2

Figura 2. Un nodo que recibe tres entradas

La señal de entrada del exterior se multiplica por el peso antes de llegar al nodo, estos
valores se agregan para ser la suma ponderada más un sesgo. Esta representada de la siguiente
manera,

v = (x1 w1 ) + (x2 w2 ) + (x3 w3 ) + b (1)

En su forma matricial está dada por

v = wx + b (2)

donde
2 3
x1
w = [w1 ; w2 ; w3 ] y x = 4 x2 5 (3)
x3

Finalmente, el nodo ingresa a una función de activación y arroja su resultado,

y = '(v) (4)

1.2. Función de activación


Función escalón: es una función donde asocia a neuronas binarias, las cuales están dadas
por:
3

1 si v > 0 1 si v > 0
'(v) = ó '(v) = (5)
0 si v 6 0 1 si v < 0

Función lineal y mixta: la función lineal o identidad responde a la expresión '(v) = v en


las funciones mixtas están dadas por:

8 8
< 0 si v < c < 1 si v < c
'(v) = 1 si v > c ó '(v) = 1 si v > c (6)
: v :
2c
+ 21 en otro caso av en otro caso

Función tangente hiperbólica: se emplea en los casos que presentan variaciones suaves de
valor positivo y negativo. Esta de…nida como:

eu e v
'(v) = u v
(7)
e +e
Función sigmoidal: esta cercana a un valor asintótico, los valores de salida están compren-
didos en zonas altas y bajas del sigmoide, la cual esta de…nida como:

1
'(v) = v
(8)
1+e
La función sofmax: mantiene la suma de los valores de salida a1, también, los limites
individuales de los valores de salida se mantienen entre 0 y 1. La función sofmax esta de…nida
como:

evi
'(v) = (9)
ev1 + ev2 + ev3 + ::: + evN

También podría gustarte