Una red neuronal está
constituida por neuronas interconectadas y arregladas en tres capas (esto
último puede variar). Los datos ingresan por medio de la “capa de entrada”,
pasan a través de la “capa oculta” y salen por la “capa de salida”. Cabe
mencionar que la capa oculta puede estar constituida por varias capas.
Antes de
comenzar el estudio sobre las redes neuronales, se debe aprender algo sobre las
neuronas y de cómo ellas son utilizadas por una red neuronal. En la Figura
siguiente se compara una neurona biológica con una neurona artificial. En la
misma se pueden observar las similitudes entre ambas (tienen entradas, utilizan
pesos y generan salidas).
Función de
entrada (input function).
La neurona trata
a muchos valores de entrada como si fueran uno solo; esto recibe el nombre de
entrada global. Por lo tanto, ahora nos enfrentamos al problema de cómo se
pueden combinar estas simples entradas (ini1,
ini2, ...) dentro de la entrada global, gini. Esto se logra a través de
la función de entrada, la cual se calcula a partir del vector entrada. La
función de entrada puede describirse como sigue:
inputi
= (ini1• wi1)* (ini2• wi2)*... (inin• win)
Donde: * representa al operador apropiado (por ejemplo: máximo,
sumatoria, productoria, etc.), n al número de entradas a la neurona Ni y wi al
peso.
Los valores de entrada se multiplican por los pesos anteriormente
ingresados a la neurona. Por consiguiente, los pesos que generalmente no están
restringidos cambian la medida de influencia que tienen los valores de entrada.
Es decir, que permiten que un gran valor de entrada tenga solamente una pequeña
influencia, si estos son lo suficientemente pequeños.
·
Función de activación
(activation function).
Una neurona biológica puede estar activa (excitada) o inactiva (no
excitada); es decir, que tiene un “estado de activación”. Las neuronas
artificiales también tienen diferentes estados de activación; algunas de ellas
solamente dos, al igual que las biológicas, pero otras pueden tomar cualquier
valor dentro de un conjunto determinado.
La función activación calcula
el estado de actividad de una neurona; transformando la entrada global (menos
el umbral, Θi) en un valor (estado) de
activación, cuyo rango normalmente va de (0 a 1) o de (–1 a 1). Esto es así,
porque una neurona puede estar totalmente inactiva (0 o –1) o activa (1). La
función activación, es una función de la entrada global (gini) menos el umbral
(Θi). Las funciones de activación más comúnmente utilizadas se detallan a
continuación:
Función de salida (output function).
El último componente que una neurona
necesita es la función de salida. El valor resultante de esta función es la
salida de la neurona i (outi); por ende, la función de salida determina
que valor se transfiere a las neuronas vinculadas. Si la función de activación
está por debajo de un umbral determinado, ninguna salida se pasa a la neurona
subsiguiente. Normalmente, no cualquier valor es permitido como una entrada
para una neurona, por lo tanto, los valores de salida están comprendidos en el
rango
[0, 1] o [-1, 1]. También pueden ser
binarios {0, 1} o {-1, 1}.
Dos de las funciones de salida más comunes
son:
·
Ninguna: este es el tipo de
función más sencillo, tal que la salida es la misma que la entrada. Es también
llamada función identidad.
No hay comentarios:
Publicar un comentario