Nota: (Las Red-Generativa-Antagónica (GAN) son arquitecturas de algoritmos de Inteligencia-Artificial que constan de dos Redes-Neuronales en fretadas un Generador y un Discriminador en una especie de competición mutua entre las dos Redes-Neuronales. Se utiliza para crear imágenes fotorrealistas , modelar patrones de movimiento en videos, crear modelos 3D de objetos a partir de imágenes 2D, […]
Seguir leyendo
Nota: (Las Recurrent-Neural-Network (RNN) son una clase muy útiles para modelar datos de secuencia. La Red-Neuronal-Recurrente (RNN) tiene un comportamiento similar al funcionamiento de los cerebros humanos. Las Recurrent-Neural-Network (RNN) producen resultados predictivos en datos secuenciales que otros algoritmos no pueden utilizan, en definitiva, datos secuenciales para resolver problemas temporales comunes, que se encuentra en […]
Seguir leyendo
Nota: (Las Redes-Neuronales-Convolucionales CNN es un algoritmo de Deep-Learning que está diseñado para trabajar con imágenes, tomando estas como input, asignándole Pesos a ciertos elementos en la imagen para así poder diferenciar unos de otros. Este es el secreto de la Visión por computadora). Red-Neuronal-Convolucional. (CNN) -. Las Redes–Convolucionales (CNN) contienen varias Capas-Ocultas, donde […]
Seguir leyendo
Nota: (Los Perceptron-Multilayer MLP se inspiraron inicialmente en Perceptron , un algoritmo de aprendizaje automático supervisado para la clasificación binaria. El Perceptron solo era capaz de manejar datos linealmente separables, por lo que se introdujo la percepción de múltiples capas para superar esta limitación). Perceptron-Multilayer (MLP) -. Perceptron-Multilayer & Red-Neuronal-Artificial-Multicapa, es una red neuronal […]
Seguir leyendo
Nota: (Clasificar las Artificial-Neuronal-Network (ANN) & (RNA); existen diferentes clasificaciones que separan las redes neuronales en torno a su número de capas, tipos de conexiones o grado de las conexiones. En su formas de hacer redes neuronales, basadas en algoritmos y desarrollos diversos. Lo haré de la siguiente forma por su Topologia y el tipo […]
Seguir leyendo