Qué es una red densa
En un producto anunciado últimamente en este blog que se titula ‘Composición de una red neuronal y el comienzo de una catalogación fácil’, anuncié una sucesión de entradas en las que resumiría las opciones básicas que se tienen la posibilidad de seleccionar en el momento de diseñar una red neuronal Yo diseño. . La iniciativa es censar un catálogo corto y comprensible, pero razonablemente explicativo y terminado que asista a entender este género de algoritmos avanzados y a saber las primordiales opciones de diseño libres.
Y este es el primero de los posts de esta serie, que voy a dedicar a series.
Conceptos básicos de redes neuronales recurrentes
Las redes neuronales recurrentes (RNN) ahora se idearon en los años 80. el avance de los últimos tiempos, que mostramos al principio del libro, no los hizo mucho más alcanzables y mucho más populares entre la industria.
Hasta la actualidad vimos redes cuya función de activación solo actúa en un sentido, hacia adelante, desde la cubierta de entrada hacia la cubierta de salida, o sea, no recuerdan valores precedentes. Una red RNN es afín, pero incluye conexiones que señalan «hacia atrás», una manera de retroalimentación entre las neuronas en las capas.
En esta sección, nos vamos a centrar en entre los algoritmos de estudio profundo mucho más efectivos, la red neuronal convolucional o CNN son modelos de programación poderosos: redes neuronales convolucionales que dejan el reconocimiento de imágenes primordialmente atribuyéndolas de manera automática. imagen proporcionada en la entrada, una etiqueta pertinente a la clase a la que forma parte.
Le ofrecemos la bienvenida a este tercer episodio de nuestro portafolio de Deep Learning. Tras la introducción de Deep Learning y sus apps en la sección primera, en este momento abordamos la composición y el desempeño de las redes neuronales en esta segunda parte.
¡Allí vamos!
Redes de opiniones: DBN
Las redes de opiniones (DBN) se crean mezclando RBM y también ingresando un procedimiento de entrenamiento capaz. Disponemos un nuevo modelo que al final soluciona el inconveniente de cancelación de gradiente. Geoff Hinton creó RBM y Deep Belief Nets como una opción alternativa a la propagación hacia atrás.
La composición de DBN es afín a la de MLP (Multilayer Perceptron), pero es muy distinta para el entrenamiento. la capacitación es lo que deja que las DBN superen a sus contrapartes poco profundas.
Géneros de capas de redes neuronales convolucionales
Ahora, vamos a estudiar los modelos más frecuentes de capas de redes neuronales convolucionales:
Primeramente, lado interior de las clases Entre las capas de la red neuronal convolucional son las capas de convolución, que se dedican a utilizar la convolución a nuestras imágenes de entrada para hallar los patrones que entonces dejarán catalogarlas.
