deletions | additions       diff --git a/subsection_Entrenamiento_de_una_Red__.tex b/subsection_Entrenamiento_de_una_Red__.tex  index fb6764b..4676b37 100644  --- a/subsection_Entrenamiento_de_una_Red__.tex  +++ b/subsection_Entrenamiento_de_una_Red__.tex 
...
\subsection{Entrenamiento de una Red Neuronal Artificial}  El entrenamiento o aprendizaje consiste en modificar los pesos de las conexiones sistem\'aticas para codificar la relaci\'on de entrada/salida. entrada/salida  %la presentaci\'on repetida de un conjunto de datos de entrenamiento, formado por las entradas y los valores correspondientes de las variables a predecir, hasta conseguir que los pesos internos % (interacciones entre nodos) conduzcan a resultados \'optimos en la capa de salida, aproximando los resultados esperados. 
...
\subsection{Detenci\'on del proceso de aprendizaje}  Para determinar cu\'ando se detendr\'a el proceso de aprendizaje, es necesario establecer una condici\'on de paro.  Normalmente condici\'on.  Normalemente  el entrenamiento se detiene cuando ciando  el c\'alculo del error cuadrado sobre los ejemplos de entrenamiento entrenaiento  ha alcanzado un m\'inimo o cuando para cada uno unos  de los ejemplos dados, el error observado est\'a por debajo de un determinado umbral. Ya que para controlar este proceso, la mayor parte de las herramientas de las redes neuronales muestran estos errores utilizando gr\'aficos especiales; los cuales no son utilizados para el aprendizaje si no que  solamente para dar un inicio del proceso en s\'i mismo ~\cite{matich2001redes}. %ALGO AQUI NO ME CONVENCE%%%  Otra condici\'on de detecci\'on del aprendizaje puede ser cuando un cierto n\'umero de ciclos y/o pasos de entrenamiento hayan sido completamente ejecutados corridos  ~\cite{matich2001redes}. Luego de alcanzarse la condici\'on de detenci\'on, los pesos no se volver\'an a cambiar. Entonces podemos decir que la transformaci\'on de los datos de entrada a los de la salida est\'a resuelta.