Funciones clave en el entrenamiento de redes neuronales Ppt

Diapositiva 1

Esta diapositiva ofrece una introducción a la función de activación en una red neuronal y analiza su importancia. La función de activación se usa para calcular un total ponderado y luego agregarle un sesgo para determinar si una neurona debe activarse o no.

Diapositiva 2

Esta diapositiva ilustra la función de umbral, que es un tipo de función de activación en una red neuronal. Esta función tiene solo dos salidas posibles: 0 o 1. Generalmente se emplean cuando solo se deben clasificar dos tipos de datos.

Diapositiva 3

Esta diapositiva muestra la función sigmoidea, que es un tipo de función de activación. El rango de valores para la función sigmoidea es de 0 a 1. Esta función se emplea principalmente en la capa de salida porque es desde este nodo que obtenemos el valor anticipado

Diapositiva 4

Esta diapositiva ilustra la función Rectificador o ReLU, que es un tipo de función de activación. Relu (Unidades lineales rectificadas) se emplea principalmente en capas ocultas de una red neuronal debido a su naturaleza rectificada. Relu es una función semirrectificada que comienza en la parte inferior. Se mueve continuamente hasta cierto punto y luego aumenta a su máximo después de un cierto período

Diapositiva 5

Esta diapositiva muestra la función de tangente hiperbólica, que es un tipo de función de activación. La función Tanh es una versión mejorada de la función sigmoidea que incluye un rango de valores de -1 a 1. Tanh tiene una forma de curva sigmoidea, aunque con un rango distinto de valores. El beneficio es que, dependiendo de sus proyecciones, tanto los resultados negativos como los positivos se trazan por separado.