Informe ejercicio creación Neurona Artificial

El siguiente escrito se basa en la clase del miércoles 16 de octubre, el cual consistió

en realizar y explicar el desarrollo de una neurona simple, dicha neurona tendría el
objetivo mostrar la estructura de la misma, dándonos a entender su flujo de
procesos, su forma de mejora (aprender) y su información de resultados más
exactos que conllevan a su resultado final.

La neurona contaba de una clase llamada (……), un objeto llamado (…….). Este
Objeto cuenta con sus propios atributos (………). Para un desarrollo del ejercicio se
implementaron los siguientes pasos, con las siguientes librerias
Se debe importar las librerías necesarias, en este caso importamos “numpy” para
trabajar con matrices de una mejor manera.
Numpy: es un paquete de Python que significa “Numerical Python”, es la
librería principal para la informática científica, proporciona potentes
estructuras de datos, implementando matrices y matrices multidimensionales.
Estas estructuras de datos garantizan cálculos eficientes con matrices.

Después debemos declaramos las entradas y salidas para el entrenamiento de la

neurona.

Debemos crear una clase en la cual crearemos métodos y propiedades las cuales
usaremos para el entrenamiento y hacerlo de forma más organizada.

Declaramos el método “_init_” o “Constructor” donde inicializamos las propiedades

con los datos que se reciba al instanciar la clase.
Declaramos el método prueba en donde recibimos la entrada y las multiplicamos
por el peso y enviamos el resultado al método de activación.

Declaramos el método activación, acá recibimos el valor que nos envía el método
prueba y verificamos si el valor es mayor a 0 se retorna 1 de caso contrarío es 0.

Declaramos el método entrenamiento el cual es el encargado de recibir las entradas

y salidas esperadas para realizar el entrenamiento de la neurona, realiza la
actualización de los pesos si es necesario. También calculamos el error y al
momento en que el error llegue a 0 nos retornara los pesos necesarios para obtener
los resultados esperados y las épocas necesarias para el entrenamiento.

Luego instanciamos la clase Neurona para que los pesos inicien con valores
random.

Una vez instanciada la clase, accedemos al método “entrenamiento” donde le

pasamos las entradas y salidas esperadas y comenzar el entrenamiento.

Luego probamos la neurona para verificar si el entrenamiento funciono.