Arquitecturas: perceptrones, redes feedforward | Algoritmos de aprendizaje automático y las redes neuronales

Las redes neuronales son modelos computacionales inspirados en el funcionamiento del cerebro humano, compuestas por unidades llamadas neuronas interconectadas.

Las arquitecturas de perceptrones y redes feedforward son tipos específicos de redes neuronales utilizadas en el campo del aprendizaje automático y la inteligencia artificial. Aquí se explica qué son cada una.

Presione cada uno de los siguientes dos elementos para conocer los dos tipos de arquitecturas de redes neuronales.

Perceptrón

estructura de una red neuronal, donde hay varios círculos que simbolizan información, que van hacia unos pocos círculos que simbolizan el procesamiento de los datos, y luego salen hacia un solo círculo que simboliza la salida de la información procesada — Adobe Stock (Todos los derechos reservados)

El perceptrón es la arquitectura más básica de red neuronal, conceptualizada originalmente por Frank Rosenblatt en la década de 1950. Consiste en una sola capa de neuronas, también llamadas perceptrones, conectadas directamente a una capa de entrada. Cada perceptrón realiza una suma ponderada de las entradas, seguida de la aplicación de una función de activación que determina la salida de la neurona. Esta salida se utiliza para hacer predicciones o clasificaciones. El perceptrón es capaz de aprender solo modelos lineales, lo que significa que solo puede separar datos que son linealmente separables.

Redes Feedforward

estructura de otra red neuronal, donde hay tres círculos que simbolizan la entrada de información, que se unen por medio de líneas hacia cinco círculos que simbolizan la capa oculta, y luego esos se unen por medio de líneas hacia un sólo círculo que simboliza la capa de salida — Adobe Stock (Todos los derechos reservados)

Las redes feedforward son un tipo más generalizado de arquitectura de red neuronal que consta de una o más capas ocultas además de la capa de entrada y la capa de salida. En una red feedforward, la información fluye en una dirección, desde la capa de entrada a través de las capas ocultas hasta la capa de salida, sin conexiones que formen ciclos o bucles (de ahí el término "feedforward", que significa "hacia adelante"). Cada neurona en una red feedforward está conectada a todas las neuronas de la capa anterior y la capa siguiente, pero no a las neuronas de la misma capa. Las redes feedforward son capaces de aprender modelos no lineales y son ampliamente utilizadas en una variedad de aplicaciones de aprendizaje automático, incluyendo reconocimiento de imágenes, procesamiento de lenguaje natural, y mucho más.

Para ampliar la información, puede apoyarse con la lectura del artículo “¿Qué es Red neuronal feedforward”: https://gamco.es/glosario/red-neuronal-feedforward/

Mientras que el perceptrón es una arquitectura de red neuronal simple con una sola capa de neuronas, las redes feedforward son arquitecturas más complejas que constan de múltiples capas, permitiendo el aprendizaje de modelos más complejos y no lineales.