El cerebro humano puede describirse como una red neuronal biológica, una red interconectada de neuronas que transmiten patrones elaborados de señales eléctricas. Las dendritas reciben señales de entrada y, en función de esas entradas, disparan una señal de salida a través de un axón. O algo así.
Bien, primero, ¿qué es una red neuronal?
- Conjuntos de datos: ¿Cuáles son los principales corpus de texto utilizados por los lingüistas computacionales y los investigadores del procesamiento del lenguaje natural, y cuáles son las características / sesgos de cada corpus?
- ¿Cuál es la principal diferencia entre el aprendizaje profundo y los viejos enfoques de aprendizaje?
- ¿En qué se diferencia una empresa financiera cuantitativa de un fondo de cobertura típico?
- ¿El aprendizaje de refuerzo se convertirá en un tema candente en ML después del éxito de AlphaGo? ¿Qué preguntas importantes de investigación en RL aún no tienen una buena respuesta?
- ¿Cuál es la mejor manera de encontrar análisis de sentimientos?
Una red neuronal es un sistema computacional “conexionista”. Los sistemas computacionales que escribimos son de procedimiento; un programa comienza en la primera línea de código, lo ejecuta y pasa a la siguiente, siguiendo las instrucciones de forma lineal. Una verdadera red neuronal no sigue un camino lineal. Más bien, la información se procesa colectivamente, en paralelo a través de una red de nodos (los nodos, en este caso, son neuronas).
Uno de los elementos clave de una red neuronal es su capacidad de aprender . Una red neuronal no es solo un sistema complejo, sino un sistema adaptativo complejo, lo que significa que puede cambiar su estructura interna en función de la información que fluye a través de ella. Por lo general, esto se logra mediante el ajuste de los pesos.
Entonces, ¿qué es Perceptron?
Inventado en 1957 por Frank Rosenblatt en el Laboratorio Aeronáutico de Cornell, un perceptrón es la red neuronal más simple posible: un modelo computacional de una sola neurona. Un perceptrón consta de una o más entradas, un procesador y una única salida.
Un perceptrón sigue el modelo de “avance”, lo que significa que las entradas se envían a la neurona, se procesan y dan como resultado una salida. En el diagrama anterior, esto significa que la red (una neurona) lee de izquierda a derecha: las entradas entran y las salidas salen.
El algoritmo de perceptrón:
- Para cada entrada, multiplique esa entrada por su peso.
- Suma todas las entradas ponderadas.
- Calcule la salida del perceptrón en función de esa suma que pasó a través de una función de activación (el signo de la suma).
