Capítulo 2. Fundamentos de las redes neuronales y el aprendizaje profundo
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Con los pies en el aire y la cabeza en el suelo Prueba este truco y dale vueltas, sí Tu cabeza se derrumbará Pero no hay nada en ella Y te preguntarás
Dónde está mi mente
The Pixies, "¿Dónde está mi mente?"
Redes neuronales
Las redes neuronales son un modelo computacional que comparte algunas propiedades con el cerebro animal, en el que muchas unidades simples trabajan en paralelo sin una unidad de control centralizada. Los pesos entre las unidades son el principal medio de almacenamiento de información a largo plazo en las redes neuronales. La actualización de los pesos es la forma principal en que la red neuronal aprende nueva información.
En el Capítulo 1 hablamos de modelar conjuntos de ecuaciones en forma de la ecuación Ax = b. En el contexto de las redes neuronales, la matriz A siguen siendo los datos de entrada y el vector de columnas b siguen siendo las etiquetas o resultados de cada fila de la matriz A. Los pesos de las conexiones de la red neuronal se convierten en x (el vector de parámetros).
El comportamiento de las redes neuronales viene determinado por su arquitectura de red. La arquitectura de una red puede definirse (en parte) por lo siguiente:
- Número de neuronas
- Número de capas
- Tipos de conexiones entre capas
La red neuronal más conocida y sencilla de entender es la ...
Get Aprendizaje profundo now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
