Básicamente, todos los modelos están tratando de ser un buen mapeo entre dos o más cosas relacionadas, por lo que es un modelo de red neuronal. La “bondad” en cierto sentido significa cuán cerca está el modelo de la verdad. Las redes neuronales artificiales como modelos potentes y populares se pueden ajustar para aproximar cualquier mapeo dada la profundidad suficiente de las capas y el número de neuronas.
Para tocar un poco los detalles, tomando el problema de clasificación del vino como ejemplo, digamos, desea clasificar tres tipos de vinos italianos en base a 13 atributos químicos, luego construye una red neuronal que podría tener varias capas de neuronas. Cada neurona de la primera capa (llámelas neuronas de entrada) es solo uno de esos atributos químicos, luego cada neurona de la segunda capa está influenciada por todas las neuronas de entrada de manera ponderada y la influencia se transforma por alguna función de activación, que de alguna manera imita el disparo de una neurona real basada en activaciones entrantes. El número de neuronas para la segunda capa debería dar suficiente capacidad para capturar información útil que fluye desde la primera capa y normalmente se determina empíricamente. Siguiendo la misma regla, puede construir tantas capas de neuronas como desee o según lo necesite el problema. Para entrenar una red neuronal, es solo para ajustar cuánto necesita pesar las entradas para todas las neuronas para tener un buen mapeo.
Para una elaboración rigurosa o una comprensión sólida de las redes neuronales, debe leer libros o blogs bien escritos sobre eso. Por ejemplo:
- ¿Cuáles son los efectos positivos y negativos de la inteligencia artificial?
- ¿Deberíamos tener miedo de la IA?
- ¿Cuáles son algunas de las cosas que la inteligencia artificial y la computación cuántica tienen el potencial de hacer por la humanidad?
- Cómo ganar dinero haciendo investigación de IA, sin ningún título
- ¿Por qué el hardware AI requiere tanta potencia de GPU?
Redes neuronales y aprendizaje profundo.
Aprendizaje profundo
Puestos de aprendizaje automático
La respuesta es solo para dar una idea aproximada.