REDES NEURONALES

TALLER

1. Que es una Neurona

Unidad básica de procesamiento que se encuentra dentro de una red neuronal

2. Como funciona una Neurona

Las neuronas tienen tres elementos importantes las dendritas, el cuerpo de la célula o soma y el
axón, las dendritas son el árbol receptor que cargan las señales eléctricas al cuerpo de la célula y
este realiza la suma de esas señales de entrada, el axón lleva la señal desde el cuerpo de la célula a
otras neuronas. El punto de contacto entre un axón y una dendrita es llamado sinopsis.

3. Que es y cómo realiza una Neurona la Suma Ponderada

Las señales que llegan a la sinapsis son las entradas a la neurona; éstas son ponderadas (atenuadas
o simplificadas) a través de un parámetro, denominado peso, asociado a la sinapsis
correspondiente. Estas señales de entrada pueden excitar a la neurona o inhibirla (peso negativo).
El efecto es la suma de las entradas ponderadas. Si la suma es igual o mayor que el umbral de la
neurona, entonces esta se activa.

4. ¿La regresión Lineal y la Neurona realizan la misma función? Es muy parecido debido a la función
matemática de regresión lineal ya que la neurona internamente lo que resulta haciendo es un
modelo de regresión lineal, es muy similar ya que depende de los parámetros de entrada en ambos
casos.

5. Que es Sesgo o BIAS

Es un término independiente que sirve para mover la recta en la regresión lineal que dentro de la
neurona se denomina Sesgo o BIAS, en que la variable siempre está asignado 1.

6. ¿Qué es el UMBRAL?
Debido que en la regresión lineal se da un valor diferente a cero o uno, se evalua un valor llamado
umbral.

F = X1W1 + X2W2 + ... + XiWi

Si el resultado de la función F es mayor que el valor umbral (U), la neurona se activa y emite una
señal (1) hacia las neuronas de la capa siguiente. Pero, si por el contrario, el resultado es menor que
el valor umbral, la neurona permanece inactiva (0) y no envía ninguna señal

7. Describa las siguientes capas de una Neurona:

 Entrada: Primera capa donde están las variables de entrada
Salida: a la última capa
Oculta: capa intermedia

8. Que es el conocimiento jerarquizado

Poner neuronales de manera secuencial y de esta forma recibe la información procesada de la
neurona anterior y así aprender conocimiento jerarquizado .
9. Que es el aprendizaje profundo
Ente más capas se añaden da conocimiento profundo.
10. Enumere y describa las principales funciones de activación
Hacen que se modifique la función lineal
Escalonada: entrada mayor al umbral =1 si es inferior es =0, se forma un escalon.
Sigmoide: valores muy grandes se saturen a uno, y los valores pequeños en cero Tangente
hiperbólica: similar a la sigmoide pero el rango es de -1 a 1.
Unidad rectificada lineal(RELU): lineal cuando es positiva, y constante a cero cundo el valor de
entrada es negativa.

11. ¿Usted cree que las redes neuronales son capaces de desarrollar soluciones complejas? Sustente su
respuesta
Si, interpretando el resultado de las funciones de activación por ejemplo el de las células
cancerígenas.

12. Describa los paradigmas de aprendizaje de una red neuronal con un ejemplo a cada uno.
Aprendizaje supervisado: A través de entradas con patrones determinados obtener el resultado
deseado, ejemplo clasificación de correos spam, entrada, lo determina por características, otro
ejemplo determinar si una persona sufre de depresión por sus fotos en instagram.
Aprendizaje no supervisado: producir conocimiento únicamente de los datos de entrada sin
necesidad de explicarle al sistema que resultado se desea obtener, ejemplos espacios latentes el
significado de dos palabras.

13. De su opinión personal sobre el video de Sophia

A pesar de ser un gran avance tecnológico pienso que como tal no es una red neuronal ya que
no está aprendiendo sólo hay conceptos predefinidos , lo malo es que la empresa que creo a
Sophia es que dice que usa redes neuronales.