jueves, 4 de noviembre de 2010

Tipos de aprendizaje del perceptron: supervisado y no supervisado

Por ahora todos los ejemplos que hemos dado son de aprendizaje supervisado, pero también existen otros métodos de aprendizaje y que es necesario explicar para entrar completamente en la parte de los algoritmos de entrenamiento.
Cabe distinguir dos tipos de aprendizaje:
  • Aprendizaje supervisado
  • Aprendizaje no supervisado
El primero consiste en hacer como hemos hecho hasta el momento, dar un set de entradas a la ANN y además dar un set de las salida esperadas de parte de la red, de modo que a cada muestra se corrigen los errores entre la salida obtenida y la salida deseada de nuestra red ( seria puro caso no encontrar errores al inicio ).
En cambio, el aprendizaje no supervisado no se da un set de salidas esperadas, se deja que la red aprenda a responder organizadamente a través de las entradas que recibe y que se organice por si misma. De este modo, datos de ingreso similares ( o casi ) dan una determinada respuesta a la salida, consiguiendo una clasificación de las distintas entradas.

No hay comentarios:

Publicar un comentario