Redes neuronales: de una neurona a una red que aprende

Primero una sola neurona artificial; después, varias conectadas que aprenden de los datos, directamente en su navegador.

La neurona artificial

Con una sola entrada, la neurona calcula z = b + w·x: la recta de la diapositiva sobre la función lineal. La neurona le agrega al final una función de activación.

Controles

¿Qué problema debe resolver? (tabla de verdad)

objetivo 0objetivo 1✓ acierta · ✗ falla
x₁x₂ObjetivoSalida
aciertos con estos pesos

¿Qué observar?

  • La neurona decide con una línea recta en el plano (el borde entre azul y naranja). Los pesos la inclinan y el sesgo la desplaza.
  • Con Y y O hay pesos que aciertan los 4 casos. Con XOR, ninguna línea recta separa los casos: ninguna combinación pasa de 3 de 4.
  • Eso mismo limita a una neurona sola. La solución son varias neuronas en capas: pase a la parte 2.

Lo que la red predice en cada punto del plano

clase 0clase 1● entrenamiento○ prueba (la red no la ve al aprender)
El fondo muestra la predicción de la red: azul = clase 0, naranja = clase 1, claro = indecisa. Haga clic en el mapa para agregar un punto.
Clic agrega clase:

Qué calcula cada neurona oculta

Datos y arquitectura

Ejemplos para probar:

Cómo va aprendiendo

0
épocas
–
pérdida (error)
–
acierto en entrenamiento
–
acierto en prueba
La pérdida mide qué tan equivocadas están las predicciones, igual que el error cuadrático de la regresión. El aprendizaje consiste en ajustar los pesos para que baje.

La red

Cada línea es un peso: azul = positivo, rojo = negativo; más gruesa = más importante. Total de pesos y sesgos a aprender: .