This HTML5 document contains 46 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbpedia-es:EDLUT

prop-es:género

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Neuroph

dbo:genre

dbpedia-es:Red_neuronal_artificial

Subject Item

dbr:Artificial_neural_network

owl:sameAs

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Keras

prop-es:género

dbpedia-es:Red_neuronal_artificial

dbo:genre

dbpedia-es:Red_neuronal_artificial

Subject Item

wikipedia-es:Red_neuronal_artificial

foaf:primaryTopic

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Red_neuronal_artificial

rdfs:label

Red neuronal artificial

rdfs:comment

Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un modelo computacional vagamente inspirado en el comportamiento observado en su homólogo biológico​. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida.

owl:sameAs

dbpedia-commons:Neural_network n33:05dhw

dct:subject

category-es:Redes_neuronales_artificiales category-es:Inteligencia_artificial category-es:Algoritmos_de_clasificación

foaf:isPrimaryTopicOf

wikipedia-es:Red_neuronal_artificial

dbo:wikiPageID

163632

dbo:wikiPageRevisionID

130061518

dbo:wikiPageExternalLink

n7: n8:htm n10:htm n11:neural-network n12: n13:neural n16:emergent n17:php n21:htm n22:html n23:dk n24:5955 n26: n28: n29: n30:com n34:html n35: n36: n37:html

dbo:wikiPageLength

85289

prov:wasDerivedFrom

n19:0

dbo:abstract

Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un modelo computacional vagamente inspirado en el comportamiento observado en su homólogo biológico​. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida. Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que no se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación. Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresalen en áreas donde la detección de soluciones o características es difícil de expresar con la programación convencional. Para realizar este aprendizaje automático, normalmente, se intenta minimizar una función de pérdida que evalúa la red en su total. Los valores de los pesos de las neuronas se van actualizando buscando reducir el valor de la función de pérdida. Este proceso se realiza mediante la propagación hacia atrás. El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales actuales suelen contener desde unos miles a unos pocos millones de unidades neuronales. Nuevas investigaciones sobre el cerebro a menudo estimulan la creación de nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un con algún sistema dinámico.

Subject Item

dbpedia-es:Neural_Network

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Red_neural_artificial

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

n25:

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

n27:

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Redes_Neuronales

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Redes_de_neuronas

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial

Subject Item

dbpedia-es:Redes_neuronales_artificiales

dbo:wikiPageRedirects

dbpedia-es:Red_neuronal_artificial