Neurona formal y perceptrón Neurona:formal Perceptrón

La neurona artificial, también llamada neurona formal, retoma el funcionamiento de la neurona biológica.

1. Principio

Una neurona recibe entradas y proporciona una salida, gracias a diversas características:

  • Pesos asignados a cada una de las entradas, que permiten modificar la importancia de algunas respecto a las demás. Pesos

  • Una función de agregación, que permite calcular un valor único a partir de las entradas y de los pesos correspondientes. Función:de agregación

  • Un umbral (o sesgo), Umbralque permite indicar cuándo debe reaccionar la neurona.

  • Una función de activación, que asocia a cada valor agregado un único valor de salida dependiendo del umbral. Función:de activación

La noción de tiempo, importante en biología, no se tiene en cuenta en la mayoría de neuronas formales.

La neurona formal puede resumirse de la siguiente manera:

images/c07f02.PNG

A igual que con la regresión lineal y la regresión logística, la principal dificultad será el aprendizaje de los pesos (y del umbral, que puede verse como un peso particular). Las funciones de agregación y de activación se seleccionan previamente.

Es la presencia de la función de activación, si no es lineal, la que permitirá superar la condición de linealidad de los algoritmos de Machine Learning vistos previamente, así como el número de neuronas y las conexiones entre ellas...

Si desea saber más, le proponemos el siguiente libro:
couv_DPT2INT.png
60-signet.svg
Versión impresa
20-ecran_lettre.svg
Versión online
41-logo_abonnement.svg
En ilimitado con la suscripción ENI
130-boutique.svg
En la tienda oficial de ENI
Anterior
Machine Learning
Siguiente
Redes feed-forward