¿Qué Es El Perceptrón?

¿Qué es el Perceptrón?
Un perceptrón es un modelo matemático inspirado en una estructura y función

simplificadas de una única neurona biológica. Es una sección de Machine Learning que
se utiliza para entender el concepto de clasificadores binarios.
Forma parte del sistema de redes neuronales. De hecho, se puede decir que el
perceptrón y las redes neuronales están interconectados. El perceptrón constituye el
fundamento básico de la red neuronal que forma parte de Deep Learning. Se considera
como bloques de construcción de una sola capa de la red neuronal.
Una red neuronal formada por el perceptrón puede definirse como un enunciado
complejo con una comprensión muy profunda de las ecuaciones lógicas. Un enunciado
neuronal que sigue al perceptrón es verdadero o falso, pero nunca puede ser ambas
cosas a la vez.
El objetivo final del perceptrón es identificar las entradas que intervienen en él. Hay que
identificar si las características son verdaderas o no.
Componentes principales del Perceptrón

El perceptrón está formado por una serie de componentes como:
• Entrada. Las entradas en el algoritmo del perceptrón se entienden como x1, x2,
x3, x4 y así sucesivamente. Todas estas entradas denotan los valores del
perceptrón de características y la ocurrencia total de las características.
• Pesos. Se observan como valores que se planifican al largo de la sesión de
preparación del perceptrón. Los pesos ofrecen un valor preliminar en el inicio del
aprendizaje del algoritmo. Con la ocurrencia de cada inexactitud de
entrenamiento, los valores de los pesos se actualizan. Estos se representan
principalmente como w1, w2, w3, w4 y así sucesivamente.
• Función de activación. Cada función de activación, o no lineal, toma un único
número y realiza una determinada operación matemática fija sobre él. Hay varias
funciones de activación que se pueden encontrar en la práctica, las más
comunes son la Sigmoide o la ReLU o unidad lineal rectificada.
• Suma ponderada. Es la proliferación de cada valor de entrada o característica
asociada con el valor de paso correspondiente.
• Salida. La suma ponderada se pasa a la función de activación y cualquier valor
que obtengamos después del cálculo es nuestra salida predicha.
Modelo de perceptrón de una capa
Un modelo de perceptrón de una capa incluye una red feedforward que depende de
una función de transferencia de umbral en su modelo. Es el tipo más sencillo de red
neuronal artificial que puede analizar solo objetos linealmente separables con
resultados binarios, es decir, 1 y 0.
Si hablamos del funcionamiento del modelo de perceptrón de una capa, su algoritmo no
tiene información previa, por lo que inicialmente, los pesos se asignan de forma
inconstante, entonces el algoritmo suma todas las entradas ponderadas, si el valor
añadido es más que algún valor predeterminado o valor umbral, entonces el perceptrón
de una capa se declara activo y entrega la salida como +1.
En palabras sencillas, los valores de entrada múltiples alimentan el modelo del
perceptrón, el modelo se ejecuta con los valores de entrada, y si el valor estimado es el
mismo que la salida requerida, entonces el rendimiento del modelo se encuentra
satisfecho, por lo que los pesos no exigen cambios. De hecho, si el modelo no cumple
con el resultado requerido, entonces se realizan algunos cambios en los pesos para
minimizar los errores.
Modelo de perceptrón multicapa
Un modelo de perceptrón multicapa tiene una estructura similar a la de un modelo de
perceptrón de una sola capa con más número de capas ocultas. También se denomina
algoritmo de retro propagación. Se ejecuta en dos etapas: la etapa hacia adelante y la
etapa hacia atrás.
En la etapa hacia adelante, las funciones de activación se originan desde la capa de
entrada a la capa de salida, y en la etapa hacia atrás, el error entre el valor real
observado y el valor demandado se origina hacia atrás en la capa de salida para
modificar los pesos.
En términos sencillos, el perceptrón multicapa puede tratarse como una red de
numerosas neuronas artificiales sobre capas variadas, la función de activación ya no es
lineal, en su lugar se despliegan funciones de activación no lineales como las funciones
sigmoides, TanH, funciones de activación ReLU, entre otras, para su ejecución.
Los modelos de perceptrón son el tipo más simplista de red neuronal en la que llevan
una entrada, el peso de cada entrada, toman la suma de la entrada ponderada y se
aplica una función de activación.
Aceptan y construyen solo valores binarios, es decir, el perceptrón solo se implementa
para la clasificación binaria con la limitación de que solo son aplicables para objetos
linealmente separables.
El perceptrón es la base de las redes neuronales, por lo que hay que conocer bien el
modelo del perceptrón que aporta ventajas a la hora de estudiar las redes neuronales
profundas.

¿Qué Es El Perceptrón?

Cargado por

Copyright:

Formatos disponibles

¿Qué Es El Perceptrón?

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

¿Qué Es El Perceptrón?

Cargado por

Copyright:

Formatos disponibles

¿Qué es el Perceptrón?

Un perceptrón es un modelo matemático inspirado en una estructura y función

Componentes principales del Perceptrón

También podría gustarte