deletions | additions       diff --git a/section_Experimentaci_on_Los_datos__.tex b/section_Experimentaci_on_Los_datos__.tex  index 41dc957..1cae4ec 100644  --- a/section_Experimentaci_on_Los_datos__.tex  +++ b/section_Experimentaci_on_Los_datos__.tex 
...
\end{table}  El algoritmo retropagaci\'on exige que la funci\'on de activaci\'on sea continua y, por tanto, derivable para poder obtener el error o valor delta de las neuronas ocultas y de salida. Se disponen de dos formas b\'asicas que cumplen esta condici\'on: la funci\'on lineal (o identidad) y la funci\'on sigmoidal. Sin embargo, es absolutamente imprescindible, para aprovechar la capacidad de las RNA de aprender relaciones complejas o no lineales entre variables, la utilizaci\'on de funciones no lineales al menos en las neuronas de la capa oculta ~\cite{rzempoluck2012neural}. En este sentido, los resultados se obtuvieron utilizando la funci\'on sigmoidal (con límites entre 0 y 1) para las neuronas de la capa capas  oculta y la funci\'on lineal para la neurona de la capa de salida.