¿Qué es una red neuronal?
Un modelo computacional inspirado en sistemas neuronales biológicos con nodos interconectados en capas que aprenden patrones ajustando pesos durante el entrenamiento.
Summary
- Consta de una capa de entrada (recibe datos), capas ocultas (extrae características mediante conexiones ponderadas) y una capa de salida (genera predicciones), con funciones de activación que introducen no linealidad.
- Aprende mediante retropropagación y descenso de gradiente, ajustando iterativamente las ponderaciones para minimizar la pérdida entre los resultados predichos y reales en los ejemplos de entrenamiento.
- Los tipos incluyen redes de propagación hacia adelante para clasificación, redes neuronales convolucionales para imágenes, redes recurrentes para secuencias y transformadores para tareas de comprensión del lenguaje.
¿Qué es una red neuronal?
Una red neuronal es un modelo de computación cuya estructura en capas se asemeja a la estructura de red de las neuronas en el cerebro. Cuenta con elementos de procesamiento interconectados llamados neuronas que trabajan en conjunto para producir una función de salida. Las redes neuronales se componen de capas/dimensiones de entrada y de salida y, en la mayoría de los casos, también tienen una capa oculta que consta de unidades que transforman la entrada en algo que la capa de salida puede usar.
Tipos de arquitecturas de redes neuronales:
Las redes neuronales, también conocidas como redes neuronales artificiales, utilizan diferentes algoritmos de aprendizaje profundo. Estos son algunos de los tipos más comunes de redes neuronales:
Red neuronal de propagación hacia adelante:
Este es el tipo de arquitectura más básico y común; aquí, la información viaja en una sola dirección desde la entrada hasta la salida. Consiste en una capa de entrada, una capa de salida y, en el medio, hay algunas capas ocultas. Si hay más de una capa oculta, entonces esa red se denomina red neuronal profunda.
Gartner®: Databricks, líder en bases de datos en la nube
Red neuronal recurrente (RNN)
Este es un tipo de red más complejo; esta red neuronal artificial se usa comúnmente en el reconocimiento de voz y el procesamiento de lenguaje natural (NLP). Las RNN realizan la misma tarea para cada elemento de una secuencia, y la salida depende de los cálculos anteriores.
Red neuronal convolucional (ConvNets o CNNs)
Una CNN tiene varias capas a través de las cuales los datos se filtran en categorías. Las CNN han demostrado ser muy eficaces en áreas como el reconocimiento de imágenes, el procesamiento de lenguaje de texto y la clasificación. Una red neuronal convolucional se compone de una capa de entrada, una capa de salida y una capa oculta que incluye múltiples capas convolucionales, capas de agrupamiento, capas totalmente conectadas y capas de normalización.
Existen al menos una docena de otros tipos de redes neuronales, como las redes de conexión simétrica: redes de máquinas de Boltzmann, redes de Hopfield y muchos otros tipos. Elegir la red adecuada depende de los datos que tengas para entrenarla, así como de la aplicación específica que tengas en mente.