Cuántos tipos de redes neuronas hay
Las redes neuronales son un género de algoritmo de estudio automático que tiene la aptitud de contribuir a las PCs y máquinas a tomar resoluciones sin obligación, en la mayor parte de las situaciones, de supervisión humana.
Se comprende que las redes neuronales tienen la posibilidad de emular el accionar de cerebros biológicos mediante neuronas artificiales interconectadas que forman nodos de conexiones.
Redes Neuronales Convolucionales (CNN)
Las redes neuronales convolucionales son un género de red neuronal muy usada para la visión artificial y se usan para trabajar con imágenes, vídeo y audio.
Las redes neuronales convolucionales se fundamentan en la biología de la corteza visual. Procuran imitar la manera en que su cerebro trata las imágenes que surgen de su retina.
¿Qué son las redes neuronales convolucionales?
La primordial virtud de las redes neuronales convexas, en comparación con otros géneros de redes neuronales, como las redes multicapa recurrentes, es que se tienen la posibilidad de entrenar distintas unas partes de la red neuronal para distintas tareas. Con o sea viable acrecentar la agilidad de entrenamiento y admitir patrones de manera mucho más avanzada. Merced al empleo de algoritmos para redes normales, se disminuye el número de links y factores, lo que necesita menos entrenamiento. Los próximos son varios de los cálculos empleados en esta clase de redes neuronales: sigmoid RLU, Maxout y Leaky ReLu.
En Sabiduría Artificial y matemáticas se nombran redes neuronales de base radial, a las que se les aplican funcionalidades de base radial como funcionalidades de activación. La salida de la red es una combinación lineal de funcionalidades de base radial y factores neuronales. Hay distintas apps, como la aproximación de funcionalidades, la predicción de series temporales y la clasificación. Esto no quiere decir que asimismo se logre utilizar a otros casos de empleo.
Perceptrón multicapa
Esta clase de red neuronal asimismo tiene capas escondes de entrada y salida de distintas capas que dejan la representación de funcionalidades no lineales y al transladar datos entre las capas, la red es estudiar y liberarse de los links que se piensan poco relevantes.
Las redes neuronales recurrentes no tienen una composición de capas definida pero dejan detallar conexiones arbitrarias entre distintas neuronas donde aun se tienen la posibilidad de hacer ciclos. Con esto, es viable hacer un fantasma temporal que dé memoria para la red neuronal. Este género de red es muy vigorosa y es increíblemente útil para el análisis de artículo, audio y vídeo.
Red Neural Convolucional (CNN)
La primordial diferencia de la red neuronal convolucional con el perceptrón multicapa es que cada neurona se conecta a todas las próximas capas solo a su subgrupo (se destaca), esto puede achicar el número de neuronas primordiales y la dificultad computacional que se requiere para realizarlo.
Red neuronal dentro
