Documente Academic
Documente Profesional
Documente Cultură
1- Modelos neuronales:
Este tipo de arquitecturas se basa en la modelacin de sistemas mediante la combinacin
de mltiples neuronas artificiales, o simplemente neuronas. Estos modelos se caracterizan
por su flexibilidad de modelacin en trminos numricos. Dicha capacidad, comnmente
denominada como capacidad de aprendizaje, es un factor relevante en muchas
aplicaciones.
2- Modelo de neurona:
Una neurona es un sistema de m entradas x1(k) xm(k) y una salida y(k), y se compone de
tres elementos fundamentales:
a) La ponderacin de las entradas xj(k) por pesos escalares wj.
b) Un operador de agregacin de entradas .
c) Una funcin de activacin.
Las neuronas de contexto reciben una copia de las neuronas de salida y de ellas
mismas.
Las conexiones recurrentes tienen un parmetro asociado (generalmente positivo y
menor que 1).
Activacin de las neuronas de contexto en tiempo t:
ci(t) = ci(t 1) + yi(t 1) , i = 1, 2, , m
Las neuronas de contexto reciben una copia de las neuronas ocultas de la red.
Tantas neuronas de contexto como ocultas.
No existe un parmetro asociado a la conexin recurrente.
Activacin de las neuronas de contexto:
Ci(t) = ai(t 1), para i = 1, 2, , r
El resto de las activaciones se calculan como en una red feed forward considerando
como entrada el vector total:
u(t) = (x1(t), , xn(t), c1(t), , cm(t))
Bibliografa:
-
http://www.researchgate.net/publication/228991209_Acerca_de_Modelos_Neuronales_
Redes_Neuronales_Estticas_y_Recurrentes.