Diferencia entre revisiones de «Red neuronal artificial»
Contenido eliminado Contenido añadido
m Revertidos los cambios de 201.143.106.17 a la última edición de 189.144.146.27 |
|||
Línea 24:
Biológicamente, un cerebro aprende mediante la reorganización de las [[sinapsis|conexiones sinápticas]] entre las [[neurona]]s que lo componen. De la misma manera, las RNA tienen un gran número de ''procesadores'' virtuales interconectados que de forma simplificada simulan la funcionalidad de las neuronas biológicas. En esta simulación, la reorganización de las conexiones sinápticas biológicas se modela mediante un mecanismo de ''pesos'', que son ajustados durante la fase de aprendizaje. En una RNA entrenada, el conjunto de los pesos determina el ''conocimiento'' de esa RNA y tiene la propiedad de resolver el problema para el que la RNA ha sido entrenada.
Por otra parte, en una RNA, además de los pesos y las conexiones, cada neurona tiene asociada una función matemática denominada función de transferencia. Dicha función genera la señal de salida de la neurona a partir de las señales de entrada. La entrada de la función es la suma de todas las señales de entrada por el peso asociado a la conexión de entrada de la señal. Algunos ejemplos de entradas son la [[Función escalón unitario|función escalón de Heaviside]], la lineal o mixta, la sigmoidea y la función gaussiana, recordando que la función de transferencia es la relación entre la señal de salida y la entrada.
==Ventajas==
| |||