this is for holding javascript data
Carlos Ramírez Piña edited section_Introduci_on_subsection_Redes__.tex
almost 8 years ago
Commit id: a6bd5d7c37032cde6705346a726260a5c7dd6160
deletions | additions
diff --git a/section_Introduci_on_subsection_Redes__.tex b/section_Introduci_on_subsection_Redes__.tex
index 86584d8..8cccc5f 100644
--- a/section_Introduci_on_subsection_Redes__.tex
+++ b/section_Introduci_on_subsection_Redes__.tex
...
En forma simplificada, el funcionamiento de una red "retro propagaci\'on" consiste en el aprendizaje de un conjunto predefinido de pares de entradas-salidas dados como ejemplo, empleando un ciclo de propagación–adaptación de dos fases: primero, al aplicar un primer patr\'on como est\'imulo para la capa de entrada de la red, \'este se va propagando a trav\'es de las capas siguientes para generar la salida, la cual proporciona el valor del error al compararse con la que se desea obtener. A continuaci\'on estos errores se transmiten hacia atr\'as, partiendo de la capa de salida, hacia todas las neuronas de la capa oculta intermedia que contribuyan directamente a la salida, recibiendo el porcentaje del error aproximado a la participacion de las mismas en la salida original.
Este proceso se repite siempre hacia atr\'as, capa por capa, hasta que todas las neuronas de la red hayan recibido un error que describa su aporte relativo al error total. Bas\'andose en esta informaci\'on recibida, se reajustan todos los pesos de conexi\'on, de manera que la siguiente vez que se presente el mismo patr\'on disminuya la diferencia entre la salida calculada y la
deseada. deseada ~\cite{ovando2005redes}.
La importancia de la red retro propagaci\'on consiste en su capacidad de autoadaptar los pesos de las neuronas de las capas intermedias para aprender la relaci\'on que existe entre un conjunto de patrones dados como ejemplo y sus salidas correspondientes.