ARQUITECTURA NEURONALES

Se clasifican en diferentes formas segn su criterio a usarlo:

Es la forma como se organizan las neuronas en su interior.
Segn el nmero de Capas:
1) Redes neuronales monocapas:
Se corresponde con la red neuronal ms sencilla ya que se tiene una capa de neuronas que
proyectan las entradas a una capa de neuronas de salida donde se realizan diferentes
clculos.
Primer Nivel asociado al vector de entrada.
No hay procesamiento de estos datos, por esta razn no se considera formalmente como Una
capa.
Este primer nivel tiene la misma dimensin del vector de entrada, la informacin entra al
mismo nivel y los datos son transferidos al siguiente nivel, modificados por los pesos
Sinpticos.
Como las neuronas de este nivel reciben el mismo tipo de informacin lo denominamos capa y
como a su vez corresponde a la salida de la red, la llamaremos Capa de Salida.
Notemos que en esta arquitectura solo disponemos de una capa de procesamiento, de ah su
nombre arquitectura monocapa.
Observemos que hay conectividad total entre el nivel de entrada y la capa de salida

2) Redes neuronales Multicapa:

La red tiene un nivel de entrada con n neuronas y una capa de salida de m neuronas
La red incluye una capa intermedia, denominada Capa Oculta, que est conformada por
h neuronas
Por qu el nombre de oculta?
Existe un conjunto de capas intermedias entre la entrada y salida.
Esta tipo de red puede estar total o parcialmente conectado.
Segn el tipo de conexiones:
1. Redes Neuronales No Recurrentes:
En esta red la propagacin de las seales se produce en un sentido solamente, no
existiendo la posibilidad de realimentacin.
Estas estructuras no tienen memoria.

2. Redes Neuronales Recurrentes:

En este caso si existe los lazos de realimentacin.
Estos lazos pueden ser entre neuronas de diferentes capas, neuronas de la misma
capa, o mas sencillo entre una misma neurona.
Esta estructura lo hace ms especial para estudiar la dinmica de sistemas no linales.
La informacin no siempre no fluye o apunta en un sentido, puesto que puede
realimentarse hacia capas anteriores a travs de conexiones sinpticas.
Segn el grado de conexin:
I. Redes Neuronales Totalmente Conectadas:
Las neuronas de una capa se encuentran conectadas con las de la capa siguiente con las de a
anterior.

II. Redes parcialmente conectadas:

No se da la conexin total entre neuronas de diferentes capas.
Algoritmo de Aprendizaje:

Caractersticas de un Algoritmo ptimo:

Eficacia.
Robustez, para adaptarse a diferentes problemas.
Independencia respecto a las condiciones iniciales.
Alta Capacidad de Generalizacin.
Coste computacional bajo.
Sencillez en los razonamientos empleados.

Formula de Funcin de Coste ms Usada en la Cuadrtica: