Vous êtes sur la page 1sur 19

Tema 2

Aprendizaje Automático

Inteligencia
Artificial

Manuel González Rodríguez


3132717474
manuel_gonzalezro@fet.edu.co
Neurona natural

Conceptos de Inteligencia
Neurona artificial

Axón Sinapsis

X1 W1
Cuerpo
Cuello
del axón

X2 W2 ∑ f
Axón

Salida

Función de
activación

Xn Wn
Entradas Pesos W0
Sinápticos
X0
Bias

Analogía Natural-Artificial
𝑆 = 𝑋0 ∗ 𝑾𝟎 + 𝑋1 ∗ 𝑾𝟏 + ⋯ + +𝑋𝑛 ∗ 𝑾𝒏

Cuerpo de una 𝑆 = 𝑋0 ∗ 𝟑 + 𝑋1 ∗ 𝟐. 5 + ⋯ + +𝑋𝑛 ∗ (−𝟏)


red neuronal

Cuerpo de una red


Funciones de
activación

Funciones de activación
Redes Neuronales
Red Neuronal artificial

Redes neuronales artificiales


Algoritmo de aprendizaje

Cómo aprende una red?


Cómo aprenden los seres humanos

¿¿¿¿????
Gracias al error

Por el error
¿Qué es el error?

Error
Formas de aprendizaje

Aprendizaje supervisado No supervisado


Formas de aprendizaje
¿Qué es el error?

𝐸𝑟𝑟𝑜𝑟 = 𝐸𝑥𝑝𝑒𝑐𝑡𝑎𝑡𝑖𝑣𝑎 − 𝑅𝑒𝑎𝑙𝑖𝑑𝑎𝑑


𝐸𝑟𝑟𝑜𝑟 = 𝐷𝑒𝑠𝑒𝑎𝑑𝑜 − 𝑂𝑏𝑡𝑒𝑛𝑖𝑑𝑜

Error
Algoritmo del gradiente
descendiente

Gradiente descendiente
Algoritmo del gradiente
descendiente

https://youtu.be/KshIEHQn5ZM?list=PL53BE265CE4A6C056

Gradiente descendiente
Ecuación de actualización de los
pesos

𝑾𝒏𝒆𝒘 = 𝑾𝒐𝒍𝒅 + 𝑾𝒂𝒄𝒕

𝐷𝑜𝑛𝑑𝑒 𝑛: 𝑟𝑖𝑡𝑚𝑜 𝑑𝑒 𝑎𝑝𝑟𝑒𝑛𝑑𝑖𝑧𝑎𝑗𝑒

Gradiente descendiente
Hora de programar!
Programemos una neurona

Algoritmo neurona
Hora de programar!
Programemos una neurona

Inicio el
entrenamiento

Inicio pesos de la red

Actualizo los pesos de


Evaluó el error actual
la red

Se consiguió el error
buscado? No
Fin del entrenamiento O
Llegué al máximo
número de intentos

Algoritmo aprendizaje
Muchas gracias
por su
atención