Artifical Neural Network (ANN)

Una ANN es una representación matemática o el modelo de algunas neuronas y su interconexión como en el cerebro humano.

El aprendizaje profundo (deep learning) es comúnmente usado por la IA para referirse a una ANN multicapa, la cual es capaz de aprender mediante un conjunto de datos de entrenamiento.

Feedforward (directo) El flujo de datos es unidireccional. Los nodos envían datos de una capa a la siguiente.

Feedback (retroalimentado): Los datos son bidireccionales usando lazos de retroalimentación.

La fuerza de conexión entre nodos es conocida como ponderación (weighting).

El aprendizaje en una ANN sucede cuando algunos conjuntos de datos de entrenamiento son aplicados a la red.

Los ciclos de entrenamiento, comunmente miles, son aplicados para obtener la salida deseada para una entrada determinada.

La suma que llega a la función f1, es: $w_{11}\cdot in_1+w_{21}\cdot in_2$  

La suma que llega a la función f2, es: $w_{22}\cdot in_2+w_{12}\cdot in_1$  

Considere que la función f1 y f2 tienen la forma:  $\frac{1}{1+e^{-x}}$  

Considere la red neuronal artificial mostrada.

Las ponderaciones entre la capa de entrada y la oculta están determinadas por  $wtg_{ih}$ .

Las ponderaciones entre la capa oculta y la de salida por  $wtg_{ho}$  .

Algunas conexiones no se muestran en el dibujo, con la finalidad de simplificar el dibujo.

Obtenga las tres salidas de la red empleando scilab (deberá subir el archivo a classroom).

Considere que las funciones en la capa oculta y de salida son :  $\frac{1}{1+e^{-x}}$