El perceptrón
Fue el primer modelo de red neuronal artificial desarrollado en 1958
por Rosenblatt. Despertó un enorme interés en los años 60 debido a su capacidad
para aprender a reconocer patrones sencillos.
Está formado por varias neuronas para recibir las entradas a la red y
una neurona de salida que es capaz de decidir cuándo una entrada a la red
pertenece a una de las dos clases que es capaz de reconocer.
Redes Neuronales Multicapa
Estas están formadas por varias
capas de neuronas, las cuales se pueden conectar entre ellas. Estas se ordenan
de acuerdo como reciben la señal desde la entrada hasta la salida y se
denominan conexiones feedforward “quiere decir hacia delante”.
También existen otras redes las
cuales se unen al contrario desde la salida a la entrada, de la forma contraria
a como llega las señales y se les llama feedback “hacia atrás” o
“retroalimentadas”.
Ver Video :
Redes con Conexiones Hacia Adelante
Este tipo de
redes solo se pueden conectar hacia delante.
Ejemplos:
Perceptrón
Es una red neuronal artificial (RNA) formada
por múltiples capas, de entrada, intermedias y de salida, esto le permite
resolver problemas que no son linealmente separables, lo cual es la principal
limitación. Su alimentación es hacia adelante y la unidad de salida se conecta
con la última capa oculta.
 |
Topología de
un perceptrón multicapa
Adaline
Es un tipo de red neuronal
artificial, esta posee la ventaja de que su gráfica de error es un
hiperparaboloide que posee un mínimo global, o bien una recta de infinitos
mínimos, esto evita la gran cantidad de problemas que da el perceptrón a la
hora del entrenamiento debido a que su función de error posee numerosos mínimos
locales.
Es menos sensible al ruido y
tiene usos prácticos en el procesamiento de señales digitales.
El aprendizaje OFF-LINE con
supervisión LMS “o regla del mínimo error cuadrático medio, (widrow) o regla
delta”. El cual trata de minimizar una diferencia entre el valor obtenido y el
deseado; como en el perceptrón, solo que ahora la salida considerada es la
salida obtenida al aplicar una función de activación lineal.
La red ADALINE es muy similar al
PERCEPTRON, excepto que su función de transferencia es lineal, en vez de
escalón.
Tanto el ADALINE como el
PERCEPTRON sufren de la misma limitación los cuales solo pueden resolver problemas
linealmente separables.
 |
No hay comentarios.:
Publicar un comentario