jueves, 30 de octubre de 2008

Clasificacion Redes Neuronales Artificales

Se han creado dos grupos para clasificar las redes neuronales artificiales, los cuales son:

Topologia de red
Una topologia o arquitectura, se refiere a como se organizan las neuronas en una red. La union de estas forman una estructura formada por capas de red.
Estas capas pueden clasificarse en monocapas y multicapas.

Monocapas: Son redes de una sola capa, que utilizan conexiones laterales para poder unirse a neuronas de su misma capa.

Estas tambien pueden unirse asi misma, denominandose autorecurrentes.

Esta topologia es ampliamente utilizada en la circuitos electronicos ya que por su arquitectura sirven para ser implementadas mediante hardware.

Multicapas: Estas se forman por varias capas de neuronas, utilizando para conectarse entre si redes con conexiones hacia adelante y hacia atras.

Respecto al aprendizaje
Para que realizar este proceso de aprendizahe, se utilizan algoritmos matematicos.

El aprendizaje neuronal se puede clasificar en:

Por componentes principales: Es hallar caracteristicas similares a componentes, muy comunes en patrones de entrada de una neurona

Competitivo: Las neuronas pugnan para representar una clase o un patron de entrada, la ganadora es aquella que se asemeja mas al patron de entrada

Reforzado: En esta la neurona se limita a brinbdar informacion si es que la respuesta de red es positiva o negativa

2 comentarios:

Mariela Chango dijo...

Me parece que tu comentario sobre la clasificación de las redes neuronales esta bien explicado y fácil de entender.

Diego Orellana dijo...

Si, estoy de acuerdo, los conceptos son muy claros y concisos, pero faltan Conclusiones, Recomendaciones, Bibliografía, esto va a dar tu aporte al foro.