this is for holding javascript data
Angélica Guzmán Ponce edited El_m_etodo_para_el__.tex
almost 8 years ago
Commit id: f7475c36cf6341a75cbc4f0c8bf9ee7d9fbdc34a
deletions | additions
diff --git a/El_m_etodo_para_el__.tex b/El_m_etodo_para_el__.tex
index 9284812..191b739 100644
--- a/El_m_etodo_para_el__.tex
+++ b/El_m_etodo_para_el__.tex
...
El m\'etodo para el aprendizaje com\'unmente usado est\'a basado en una t\'ecnica de descenso por gradiente que utiliza la minimizaci\'on del error cuadr\'atico medio (Mean Square Errir, MSE) mediante un proceso iterativo. El MSE es definido como:
\begin{equation}
E(V)=\frac{1}{2N}\displaystyle\sum_{n=1}^N\sum_{k=1}^K(d_k^m-z_k^n)^2, E(V)=\frac{1}{2N}\displaystyle\sum_{n=1}^N\sum_{k=1}^K(d_k^n-z_k^n)^2,
\end{equation}
Donde $d^n$ es la salida esperada de la red, $V=\{W, U\}$ los par\'ametros libres de la red, y $z^n(\cdots)$ la salida real. $N$ es el total de muestras de entrenamiento y $K$ el n\'umero de clases.