¿Qué es una Red Neuronal? Parte 1 : La Neurona | DotCSV

¿Qué son las redes neuronales?

Introducción a las redes neuronales

• Las redes neuronales son una familia de algoritmos de machine learning que han ganado popularidad en la inteligencia artificial.

• Aunque existen desde mediados del siglo pasado, su uso se ha incrementado recientemente gracias a mejoras tecnológicas.

Aplicaciones de las redes neuronales

• Se utilizan en diversas áreas como reconocimiento de imágenes, voz, predicciones bursátiles, generación de texto y conducción autónoma.

• También se aplican en análisis genético y pronóstico de enfermedades, mostrando su versatilidad.

¿Cómo funcionan las neuronas dentro de una red neuronal?

Estructura básica de una neurona

• Una neurona es la unidad básica de procesamiento en una red neuronal, similar a una neurona biológica.

• Recibe estímulos externos a través de conexiones de entrada y genera un valor de salida tras realizar cálculos internos.

Cálculo interno y ponderación

• La neurona realiza una suma ponderada utilizando los valores de entrada, donde cada conexión tiene un peso que determina su influencia.

• Estos pesos son parámetros ajustables del modelo que permiten modificar el comportamiento del sistema.

Relación entre neuronas y regresión lineal

Comparación con modelos conocidos

• El funcionamiento interno de una neurona es similar al modelo de regresión lineal; utiliza variables para definir rectas o hiperplanos.

• Además, incluye un término independiente (sesgo), que permite ajustar verticalmente la función resultante.

Ejemplo práctico: Modelando un plan perfecto

Variables binarias en el ejemplo

• Se presenta un ejemplo sobre cómo modelar un "plan perfecto" usando realidad virtual y nachos como variables binarias (0 o 1).

Salida binaria basada en condiciones

• La variable salida indica si el plan es perfecto (1) o no (0), dependiendo si ambas entradas están activas.

Umbral para decisiones

Visualización de Resultados en Neuronas

Combinación de Variables y Resultados

• Se busca visualizar el resultado de la neurona para cada combinación de variables, variando los pesos y el sesgo para encontrar la combinación ideal que modele una "noche épica".

• Al probar diferentes combinaciones, se observa que solo se obtiene un resultado positivo (valor 1) cuando ambas variables de entrada están activadas.

Representación Gráfica

• Se utiliza una gráfica donde cada eje representa las variables "machos" y "realidad virtual", mostrando que sin ambos elementos, no se logra un resultado positivo.

• Desde una perspectiva informática, este problema puede ser visto como un modelo de puerta lógica AND.

Análisis de Fronteras

• La recta de regresión trazada por la neurona separa los puntos en dos grupos diferentes, ayudando a entender cómo clasificar las clases deseadas.

• Se exploran otros ejemplos gráficos, ajustando parámetros hasta encontrar combinaciones que separen correctamente los grupos.

Limitaciones del Modelo

• Se presenta el desafío de separar linealmente dos clases con una única neurona; algunos problemas no tienen solución bajo esta limitación.

• La solución es añadir una segunda neurona, lo que permite crear dos rectas para separar los grupos adecuadamente.

Necesidad de Redes Neuronales