jueves, 23 de octubre de 2008

CLASIFICACIÓN DE LAS REDES NEURONALES

  • Respecto a la topología
    Las neuronas se agrupan formando capas y estas se organizan para formar la estructura de la red. Y estas a su vez se clasifican según el número de capas pueden ser: Redes Monocapas (1 capa) y Redes Multicapas (varias capas) pero estas tiene conexiones hacia adelante y hacia atraz.
  • Según su algoritmo de aprendizaje
    Se manejan dos tipos de información, la información volátil que se almacena en el estado dinámico de las neuronas. Y de información que es no volátil que se mantiene para robustecer el conocimiento y se encuentra almacenada en los pesos sinápticos y se dividen:
    Aprendizaje supervisado en redes neuronales: utiliza una fórmula matemática para minimizar el error del cálculo de pesos para acercarse a la salida deseada.
    Aprendizaje no supervisado: no se rige al resultado de la salida ya que el resultado es consistente porque la red procesa patrones con alto grado de similitud, por lo que el grado de error muchas de las veces ni aparece.
    Aprendizaje por componentes principales: se centra en los patrones de entrada para hallar características y armar la red.
    Aprendizaje competitivo: las neuronas compiten de acuerdo al peso que más se asemeja al patrón de entrada, a esta neurona se la refuerza y a las restantes se las debilitan.
    Aprendizaje reforzado: indica si la red es correcta o incorrecta, de acuerdo a aciertos causados por los pesos sinápticos.

1 comentario:

Daniel dijo...

Es una buena apreciación pero podría extenderse más con la descripción de las monocapas y multicapas y ejemplos de cada topología en estas. Además cambiar: atraz por atrás.