Cómo construir una red neuronal
Primero, requerimos importar ciertas bibliotecas de Python que requerimos para calcular nuestra red neuronal en TensorFlow:
El próximo paso es cargar los datos que se emplearán para crear nuestro entrenamiento de red neuronal. Vamos a usar el grupo de datos MNIST, que se puede bajar desde la página de la banco de información MNIST. Este grupo de datos tiene dentro 60 000 imágenes de dígitos dibujados a mano para entrenar el modelo y es perfecto para utilizar técnicas de reconocimiento de patrones por vez primera sin perder bastante tiempo en el preprocesamiento y formateo de datos, pasos fundamentales y costosos en el análisis de datos, y en especial complicados. en el momento en que trabajan con imágenes
Ejemplo:
Nuestro propósito va a ser educar a la NN a efectuar clasificación binaria. O sea, dados ciertos datos de entrada X, deseamos que prediga ciertos datos Y (que consisten en ceros y unos). Para esto, edificaremos una red neuronal con L capas escondes, usando las funcionalidades ReLu y sigmoid como funcionalidades de activación.
En Julia, tenemos la posibilidad de determinar una implementación vectorial de ReLu y la función sigmoidea:
Programaremos una red neuronal artificial en Python, sin emplear bibliotecas de otros. ¡Entrenaremos al modelo y en unas escasas líneas el algoritmo va a poder conducir un automóvil robot por sí solo!
Para esto, vamos a explicar resumidamente la arquitectura de la red neuronal, vamos a explicar el término Forward Propagation y después Backpropagation en el momento en que pasa «la magia» y las neuronas aprenden.
Neuronas artificiales
Las neuronas artificiales se modelan de tal modo que imitan el accionar de las neuronas cerebrales. Van a tener unas implicaciones y un núcleo o nodo. Las ramas de entrada al nodo, que van a ser las entradas de las neuronas, van a venir de otras neuronas. Esta información se procesará en un nodo y se producirá información de salida que las ramas de salida transmitirán a otras neuronas. Tenemos la posibilidad de meditar en las conexiones entre las neuronas artificiales como las sinapsis de las neuronas en el cerebro. La próxima es la imagen de una neurona artificial habitual.
Neuronas artificiales
Declaración del inconveniente
Las redes neuronales son un género de solución para los inconvenientes basados en inteligencia artificial. Para este tutorial, repasaremos los datos de diabetes de los indios Pima, libres aquí.
Este grupo de datos fué recopilado por UCI Machine Learning y tiene dentro registros médicos de pacientes indios. Nuestro modelo debe adivinar si el tolerante va a tener comienzo de diabetes en 5 años o no.
