Saltar al contenido

Red neurológica que regresa: una explicación con un ejemplo simple

Antes de aprender la retropropagación, entendemos:

¿Qué son las redes naturales artificiales?

Una red neuronal es un grupo de unidades de E / S conectadas en el que pesa cada conexión a sus programas informáticos. Le ayuda a crear modelos predictivos a partir de grandes bases de datos. Este modelo se basa en el sistema nervioso humano. Te ayuda a hacer comprensión de imágenes, aprendizaje humano, habla por computadora, etc.

¿Qué es la retropropagación?

En el corazón del desprendimiento de retina se encuentra el núcleo del entrenamiento de la red neuronal. El método consiste en ajustar un número de red neuronal en función de la tasa de error encontrada en la Época anterior (es decir, iteración). El ajuste adecuado de los pesos le permite reducir las tasas de error y hacer que el modelo sea confiable aumentando la generalización.

La propagación hacia atrás es una forma corta de «proliferación de errores hacia atrás». Es un método estándar para entrenar redes neuronales artificiales. Este método ayuda a calcular el gradiente funcional de pérdida para todos los pesos de la red.

En este tutorial, aprenderá:

Cómo funciona la retropropagación: un algoritmo simple

Considere el siguiente diagrama

Cómo funciona la retropropagación

  1. Entradas X, alcance a través de la ruta preconectada
  2. Las entradas se modelan utilizando pesos reales de W. Los pesos generalmente se seleccionan al azar.
  3. Calcule la salida para cada neurona desde la capa de entrada, a las capas ocultas, a la capa de salida.
  4. Calcular el error en las salidas
ErrorB= Actual Output – Desired Output
  1. Regrese de la capa de salida a la capa oculta para ajustar los pesos a fin de reducir el error.

Siga repitiendo el proceso hasta lograr el resultado deseado

¿Por qué necesitamos reprocesamiento?

Los beneficios más notables de la retropropagación son:

¿Qué es una red Feed Forward?

Una red neuronal de alimentación es una red neuronal artificial donde los nodos nunca están en un ciclo. Este tipo de red neuronal tiene una capa de entrada, capas ocultas y una capa de salida. Es el primer y más simple tipo de red neuronal artificial.

Tipos de redes de retropropagación

Hay dos tipos de redes de retropropagación:

Reacción estática:

Es un tipo de red de reprocesamiento que produce un mapeo de entradas estáticas para salida estática. Es útil para resolver problemas de clasificación estática, como el reconocimiento óptico de caracteres.

Reprocesamiento recurrente:

Se realiza un reprocesamiento repetitivo hasta que se alcanza un valor fijo. Luego, el error se calcula y se multiplica al revés.

La principal diferencia entre estos dos métodos es: el mapeo rápido está en regresión estática mientras que no es estático en circulación repetitiva recurrente.

Historia de la retropropagación

Puntos clave de retropropagación

Buenas prácticas de retropropagación

El reprocesamiento se puede explicar con la ayuda de la analogía de «Lace Shoe»

Tensión demasiado pequeña

Demasiada tension

Para dibujar un cordón más que otro;

Las desventajas de usar la retropropagación

Resumen