Yo diría que el modelo feedforward con una salida de decisión binaria (sí / no) . Básicamente necesitas:
- Una función de activación para cada neurona. La primera que aprendí fue la función sigmoidea, pero hay otras más simples. Es una función matemática simple de cómo se modifica cada valor a lo largo de su red.
- Parámetros de inicialización. Un NN de avance se trata básicamente de calcular los pesos correspondientes en una suma ponderada que le da el menor error en su salida. Existen pautas generales que puede aplicar para seleccionar el punto de partida.
- Como con cualquier otra red neuronal, hay muchos ejemplos en su conjunto de entrenamiento.
El curso de Coursera sobre Machine Learning por Andrew Ng es un buen punto de partida para el aprendizaje. Lo he completado y me ha gustado por varias razones. Aprendizaje automático – Universidad de Stanford | Coursera
Otro curso interesante que va un poco más profundo en NN es Neural Networks for Machine Learning. No he pasado hasta el final, pero lo enseña Geoffrey Hinton, conocido como el padrino del aprendizaje profundo. Redes neuronales para el aprendizaje automático – Universidad de Toronto | Coursera
- ¿Dónde puedo encontrar conjuntos de datos para aprender autocorrección o corrección ortográfica?
- Cómo detectar si a una cadena le faltan espacios entre palabras
- ¿Qué modelo da un error de predicción más bajo cuando se usa R?
- ¿Cuál es la función de zeropad en CNN?
- ¿En qué medida se puede utilizar el aprendizaje automático y la IA en la detección y el tratamiento del cáncer?
Espero que esto ayude.
Saludos,