deletions | additions       diff --git a/section_Metodolog_ia_A_continuaci__.tex b/section_Metodolog_ia_A_continuaci__.tex  index cb2853b..2b87514 100644  --- a/section_Metodolog_ia_A_continuaci__.tex  +++ b/section_Metodolog_ia_A_continuaci__.tex 
...
Para obtener una aproximaci\'on funcional \'optima se deben de elegir cuidadosamente las variables a emplear. Concretamente, lo que se trata es incluir en el modelo las variables predictorias que realmente predigan la variable dependiente, pero que a su vez covar\'ien entre s\'i ~\cite{smith1993neural}. La introducci\'on de variables irrelevantes o que covarien entre s\'i, puede provocar un sobre ajuste incesario en el modelo.  Para En  este trabajo se escogi\'o utiliz\'o  un conjunto de datos del \'indice carbonilo de 3 variables, variables:  tiempo , radiaci\'on ultravioleta, temperatura la cual genera un desgaste en dicho material. materiales.  %QUE MATERIAL Los cuales Estas variables  han sido medidos en medidas por  un periodo de un a\~no, tomando esta informaci\'on para ejemplificar el trabajo en esta metodolog\'ia. de la metodolog\'ia propuesta.  En este trabajo se implementó implement\'o  el algoritmo de retropropagaci\'on (back-propagation). Donde el proceso de aprendizaje o entrenamiento de la MLP consiste en la estimaci\'on de sus par\'ametros libres (pesos de la red). El algoritmo de retropropagaci\'on descrito en primer lugar por Werbos~\cite{werbos1974beyond}, posteriormente por Rumelhart, es el m\'etodo de aprendizaje ampliamente utilizando en el MLP. %AQUI NO SE COMO UNIR LOS PARRAFOS  Las Por otro lado, las  variables deber\'ian seguir una distribuci\'on normal o uniforme en tanto que el rango de posibles valores deber\'ia ser aproximadamente el mismo y acotado dentro del intervalo de trabajo de la funci\'on de activaci\'ion empleada en las capas ocultas y de salida de la red nueronal.