viernes, 29 de octubre de 2010

La piedra angular: el perceptron

Digamos que este es el componente mas simple en una ANN ( como antes comentamos, artificial neural network ), casi como los atomos en la materia.
Su funcionamiento trata de emular el comportamiento de la neurona. De este modo tenemos que tiene unas entradas ( similar a las dendritas de otras neuronas ), usa los llamados pesos sinapticos ( como se comento con anterioridad, tienen la funcion de estimular o inhibir el impulso que llega desde las dendritas ), tiene una salida ( como el axon, en las neuronas ) y para decidir si permitir o no una salida de respuesta, se hace uso de una funcion de transferencia, la cual por el momento no me detengo a explicar.

El perceptron puede ser esquematizado asi:

En el que las entradas son x y y ( esta claro que las entradas pueden ser mas ), S es la salida del perceptron y el numero '1' que esta arriba representa un valor al que se denomina bias. El bias determina con que dificultad el perceptron da un impulso de salida.
Como dijimos antes, la neurona es un sumador, lo mismo ocurre en el caso del perceptron:

Llamaremos a las entradas x y y en este caso.
Lamaremos a los pesos sinapticos Wx y Wy respectivamente.

La salida se obtiene haciendo la suma de todas las entradas, por sus respectivos pesos sinapticos y restando el valor del bias ( en este caso 1 )



Esto es en el caso mas simple, en el que la salida es lineal.
Los pesos sinapticos normalmente adoptan valores aleatorios entre 0 y 1 ( pero veremos que en algunas ocaciones seran necesarios valores negativos ).
Siendo este el componente principal de una red neuronal, la cual es capaz de aprender. Es logico pensar que este simple componente puede aprender a dar respuesta segun lo deseemos, y para eso estan los algoritmos de aprendizaje para los distintos tipos de perceptron.

1 comentario:

  1. Muy buenas Leonardo, me he empezado a interesar por las redes neuronales hace muy poco. Estoy tratando de crear una red y me faltaba muchisima informacion y gracias a ti estoy avanzando en mi algoritmo. Te doy las gracias por el blog y compartir esta informacion. Sobresaliente en las explicaciones, ni muy simples ni muy extendidas. En cuanto a la pagina... un dolor de ojos.

    ResponderEliminar