Redes neuronales
![]()
https://commons.wikimedia.org/wiki/File:Colored_neural_network.svg
Una capa
\(x_1, x_2, \cdots\) son las entradas
\(y_1, y_2, \cdots\) son las salidas
\(w_{11}, w_{12}, \cdots\) son los
Se calcula \(\displaystyle b_1 = w_{11} x_1 + w_{21} x_2 + w_{31} x_3 + \cdots\)
Y luego \(y_1 = f ( b_1 )\)
\(f\) es la llamada
Denotamos \(\mathbf x = (x_1, \cdots, x_p)\), \(\mathbf y = (y_1, \cdots, y_q)\), \(\mathbf W = (w_{11}, w_{12}, \cdots )\)
Red de neuronas
Se pueden hacer redes
de varias capas:
la salida de una
es la entrada de la otra.
Si tenemos muchos pares de entradas y sus respectivas salidas
\[
\widehat{\mathbf y_i} = F(\mathbf x_i, \mathbf W)
\]
Buscar los mejores pesos \(\mathbf W\) se llama
entrenar la red
Hay muchas generalizaciones de esta idea: redes profundas (muchas capas), redes convolucionales, …
¿Cómo de potente es esto? Vídeo de Google DeepMind
Evaluación de la red: forward-propagation
Al algoritmo para, dados los pesos y la entrada calcular la salida se lo llama forward propagation.
Entrenamiento de redes
Se separan los datos en un conjunto de entrenamiento y conjunto de pruebas
Para ajustar la red tenemos que elegir una función de pérdida \(d({\mathbf y}, \widehat{\mathbf y})\). Por ejemplo \(|{\mathbf y} - \widehat{\mathbf y}|^2\).
A partir de ella elegimos una función de coste, que tenga en cuenta todos las pérdidas. Por ejemplo el error cuadrático medio \[
J(W) = \frac{1}{N} \sum_{i=1}^N |{\mathbf y_i} - \widehat{\mathbf y_i}|^2
\]
Así:
- Se elige \(\mathbf W\) minimizando el coste sobre el conjunto de entrenamiento
- Se comprueba que es “bueno” en general el coste con este \(\mathbf W\) sobre el conjunto de prueba (que debe ser distinto al de entrenamiento)
Hay múltiples opciones para la elección de función de coste y hacer la optimización eficientemente es gran parte de la dificultad.
Optimización en el entrenamiento
Para optimizar se utilizan múltiples procedimientos.
El ejemplo más sencillo es el descenso por gradiente \[
W_{n+1} = W_n - \gamma \Delta J (W_n).
\]
Para calcular \(\nabla J\) se emplea la regla de cadena. A este proceso lo llama back-progation.
