Contenido
Objetivo

Conocer la representación más simplificada de una red neuronal, para tomar decisiones a través de un entrenamiento con datos.

Descripción

A través de este tema, aprenderás todo lo referente al teorema de convergencia del perceptrón, para con ello generar datos que a su vez retroalimentan a toda la red neuronal y con ello obtener bancos de decisiones.

Explicación

Haz clic para revisar la explicación.

El perceptrón multicapa

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre el perceptrón multicapa, te recomendamos ver:

DalpMaths. (2020, 19 de enero). Backpropagation: (parte 1) [Archivo de video]. Recuperado de https://youtu.be/wWV2qroGUMo

Actividad
Objetivo

Diseñar una red neuronal a través del teorema de convergencia del perceptrón.

Instrucciones

Contesta las siguientes preguntas:

  1. ¿En cuántas capas se divide una red neuronal?
  2. ¿Qué diferencia hay entre una red perceptrón monocapa y una multicapa?
  3. ¿Qué ventajas y desventajas tiene el uso del algoritmo backpropagation?
  4. Además de su funcionamiento, ¿qué aplicaciones tiene el algoritmo backpropagation?
Checklist

Asegúrate de:

  • Comprender el funcionamiento de una red neuronal a través del perceptrón.
  • Apreciar el algoritmo backpropagation, sus características y aplicaciones.
  • Diferenciar entre ventajas y desventajas del algoritmo backpropagation.