¡Más rápido que el navegador!
11 relaciones: Algoritmo, Aprendizaje automático, Aprendizaje supervisado, Error cuadrático medio, Modelo matemático, Neurona, Perceptrón, Perceptrón multicapa, Red de estado de eco, Red neuronal artificial, Red neuronal prealimentada.
Algoritmo
En matemáticas, lógica, ciencias de la computación y disciplinas relacionadas, un algoritmo (probablemente del latín tardío algorithmus, y este del árabe clásico ḥisābu lḡubār, que significa «cálculo mediante cifras arábigas») es un conjunto de instrucciones o reglas definidas y no-ambiguas, ordenadas y finitas que permite, típicamente, solucionar un problema, realizar un cómputo, procesar datos y llevar a cabo otras tareas o actividades.
¡Nuevo!!: Propagación hacia atrás y Algoritmo · Ver más »
Aprendizaje automático
El aprendizaje automático (AA), aprendizaje automatizado, aprendizaje de máquinas o aprendizaje computacional (del inglés, machine learning) es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.
¡Nuevo!!: Propagación hacia atrás y Aprendizaje automático · Ver más »
Aprendizaje supervisado
En aprendizaje automático (AA) y minería de datos, el aprendizaje supervisado es una técnica para deducir una función a partir de datos de formación.
¡Nuevo!!: Propagación hacia atrás y Aprendizaje supervisado · Ver más »
Error cuadrático medio
En estadística, el error cuadrático medio (ECM) de un estimador mide el promedio de los errores al cuadrado, es decir, la diferencia entre el estimador y lo que se estima.
¡Nuevo!!: Propagación hacia atrás y Error cuadrático medio · Ver más »
Modelo matemático
En ciencias aplicadas y en tecnología, un modelo matemático es uno de los tipos de modelos científicos que emplea algún tipo de formalismo matemático para expresar relaciones, proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre variables de las operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad.
¡Nuevo!!: Propagación hacia atrás y Modelo matemático · Ver más »
Neurona
Una neurona (del griego νεῦρον neûron, ‘cuerda’, ‘nervio’), es una célula componente principal del sistema nervioso, cuya principal función es recibir, procesar y transmitir información a través de señales químicas y eléctricas gracias a la excitabilidad eléctrica de su membrana plasmática.
¡Nuevo!!: Propagación hacia atrás y Neurona · Ver más »
Perceptrón
En el campo de las Redes Neuronales, el perceptrón, creado por Frank Rosenblatt, se refiere a.
¡Nuevo!!: Propagación hacia atrás y Perceptrón · Ver más »
Perceptrón multicapa
El perceptrón multicapa es una red neuronal artificial (RNA) formada por múltiples capas, de tal manera que tiene capacidad para resolver problemas que no son linealmente separables, lo cual es la principal limitación del perceptrón (también llamado perceptrón simple).
¡Nuevo!!: Propagación hacia atrás y Perceptrón multicapa · Ver más »
Red de estado de eco
Una red de estado de eco (echo state network o ESN en inglés) es un tipo de computador de ''reservoir'' que utiliza una red neuronal recurrente con una capa oculta conectada dispersamente (con una conectividad típica del 1%).
¡Nuevo!!: Propagación hacia atrás y Red de estado de eco · Ver más »
Red neuronal artificial
Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un modelo computacional evolucionado a partir de diversas aportaciones científicas que están registradas en la historia. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida. Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que no se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación. Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresalen en áreas donde la detección de soluciones o características es difícil de expresar con la programación convencional. Para realizar este aprendizaje automático, normalmente, se intenta minimizar una función de pérdida que evalúa la red en su total. Los valores de los pesos de las neuronas se van actualizando buscando reducir el valor de la función de pérdida. Este proceso se realiza mediante la propagación hacia atrás. El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales actuales suelen contener desde unos miles a unos pocos millones de unidades neuronales. Nuevas investigaciones sobre el cerebro a menudo estimulan la creación de nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico.
¡Nuevo!!: Propagación hacia atrás y Red neuronal artificial · Ver más »
Red neuronal prealimentada
Una red neuronal prealimentada (feed-forward en inglés) es una red neuronal artificial donde las conexiones entre las unidades no forman un ciclo.
¡Nuevo!!: Propagación hacia atrás y Red neuronal prealimentada · Ver más »
Redirecciona aquí:
Backpropagation, Propagacion hacia atras, Propagacion hacia atrás, Propagación hacia atras, Retropropagacion, Retropropagación.
