@prefix foaf: .
@prefix wikipedia-es: .
@prefix dbpedia-es: .
wikipedia-es:Neurona_de_McCulloch-Pitts foaf:primaryTopic dbpedia-es:Neurona_de_McCulloch-Pitts .
@prefix dbo: .
dbpedia-es:Neurona_artificial dbo:wikiPageRedirects dbpedia-es:Neurona_de_McCulloch-Pitts .
dbpedia-es:Neurona_de_McCulloch_Pitts dbo:wikiPageRedirects dbpedia-es:Neurona_de_McCulloch-Pitts .
@prefix rdfs: .
dbpedia-es:Neurona_de_McCulloch-Pitts rdfs:label "Neurona de McCulloch-Pitts"@es ;
rdfs:comment "La neurona de McCulloch-Pitts \u200Bes una unidad de c\u00E1lculo que intenta modelar el comportamiento de una neurona \"natural\", similares a las que constituyen del cerebro humano. Ella es la unidad esencial con la cual se construye una red neuronal artificial. El resultado del c\u00E1lculo en una neurona consiste en realizar una suma ponderada de las entradas, seguida de la aplicaci\u00F3n de una funci\u00F3n no lineal, como se ilustra en la siguiente figura Esto se expresa matem\u00E1ticamente como: siendo\u02D0 La funci\u00F3n de activaci\u00F3n que se usa es\u02D0 siendo\u02D0 y ."@es .
@prefix owl: .
dbpedia-es:Neurona_de_McCulloch-Pitts owl:sameAs ,
dbpedia-es:Neurona_de_McCulloch-Pitts .
@prefix dct: .
@prefix category-es: .
dbpedia-es:Neurona_de_McCulloch-Pitts dct:subject category-es:Estados_Unidos_en_1943 ,
category-es:Redes_neuronales_artificiales ,
category-es:Ciencia_de_1943 ,
;
foaf:isPrimaryTopicOf wikipedia-es:Neurona_de_McCulloch-Pitts ;
dbo:wikiPageID 496254 ;
dbo:wikiPageRevisionID 129844439 ;
dbo:wikiPageExternalLink ,
.
@prefix xsd: .
dbpedia-es:Neurona_de_McCulloch-Pitts dbo:wikiPageLength "4925"^^xsd:nonNegativeInteger .
@prefix prov: .
dbpedia-es:Neurona_de_McCulloch-Pitts prov:wasDerivedFrom ;
dbo:abstract "La neurona de McCulloch-Pitts \u200Bes una unidad de c\u00E1lculo que intenta modelar el comportamiento de una neurona \"natural\", similares a las que constituyen del cerebro humano. Ella es la unidad esencial con la cual se construye una red neuronal artificial. El resultado del c\u00E1lculo en una neurona consiste en realizar una suma ponderada de las entradas, seguida de la aplicaci\u00F3n de una funci\u00F3n no lineal, como se ilustra en la siguiente figura Esto se expresa matem\u00E1ticamente como: siendo\u02D0 \n* es la suma ponderada. \n* es el valor de la i-\u00E9sima entrada (input). \n* es el peso (weights) de la conexi\u00F3n entre la i-\u00E9sima entrada y la neurona. \n* es el valor umbral (threshold) \n* o es la salida (output) de la neurona. \n* s es la funci\u00F3n no lineal conocida como funci\u00F3n de activaci\u00F3n. La funci\u00F3n de activaci\u00F3n que se usa es\u02D0 La suma ponderada se puede expresar de una manera m\u00E1s compacta usando el producto de matrices: siendo\u02D0 y . y son los vectores extendidos de pesos y de entrada, respectivamente. Tambi\u00E9n se puede simplificar la representaci\u00F3n gr\u00E1fica de la siguiente manera:"@es .