Question

como operan las las redes neuronales​

Answer 1

mmmmmmmmmtvyvvtvyvctv

Answer 2

Las Redes Neuronales son una rama de la Inteligencia Artificial que le permite a una computadora analizar problemas muy complejos, con una gran cantidad de variables y con comportamientos no lineales; así mismo, le permite a la computadora “aprender” a solucionar problemas con información nueva nunca antes evaluada.

Las Redes Neuronales operan mediante procesos de aproximación de la misma manera que el ser humano lleva a cabo su proceso de aprendizaje en el que internamente realiza una transferencia de información a cada “neurona” en la que se ejecuta un proceso en el que se asigna un peso o grado de credibilidad a esa información que a su vez se convierte en la información de entrada a otra neurona que ejecuta el mismo proceso, comparando en cada paso el resultado con el valor existente en la realidad hasta que la red de neuronas emite el mismo valor o uno muy cercano al valor real; es en este momento en el que se considera que la Red ya aprendió y esta “entrenada” para tomar decisiones por sí sola.

¿CÓMO FUNCIONAN?
Las redes neuronales son básicamente ecuaciones de modelado muy complejas, no lineales. Cada red neuronal tiene diferentes ecuaciones de modelado y diferentes métodos de optimización de la red. Los métodos de optimización que utilizan, van desde métodos simples como el de gradientes descendientes hasta métodos más poderosos como los algoritmos genéticos.

En el análisis mediante regresiones, se tienen variables independientes que en redes neuronales constituyen la ENTRADA , a las variables dependientes en redes neuronales se les llaman SALIDAS, a las observaciones se les llaman PATRONES. Los PATRONES son las muestras de las que las redes neuronales construyen el modelo.

En el análisis de regresiones, los métodos de optimización encuentran coeficientes. En redes neuronales, los coeficientes son los “pesos” y se generan en un número mucho mayor.

En el entrenamiento de una red neuronal se crean ecuaciones matemáticas (modelos) tal como en el análisis de regresiones, pero las ecuaciones de las redes neuronales son mucho más complejas que las simples ecuaciones polinomiales que producen las regresiones. Por esa razón son mejores para identificar patrones.