Page 103 - SM84
P. 103
Año 14 / Noviembre -Diciembre / No. 84 U.M.S.N.H.
Aprendizaje Profundo (MAP). En el orden donde miento puede ser no supervisado (sin etiquetas) o
las MA tienen como subelemento a las RNA, las semisupervisado (con y sin etiquetas) por alguna
cuales, a su vez, tienen como subelemento a las persona, pero requieren mayor cantidad de datos
MAP. para aprender a identificar similitudes o patrones.
Las MA cuentan con una memoria limitada Estructuralmente, las MAP están hechas a partir de
y se centran en el uso de datos de entrenamien- las RNA, estas tratan de imitar cómo las neuronas
to y algoritmos (instrucciones mecánicas dispues- del cerebro humano se conectan y comunican entre
tas en determinado orden jerárquico) sofisticados sí.
de aprendizaje. Los algoritmos de las MA están Para la IA, una neurona artificial (o per-
diseñados de tal manera que son capaces de entre- ceptrón) es un nodo de procesamiento que identi-
narse por sí solos con el historial de datos de entra- fica patrones según las características de los datos
da e identificar rasgos y relaciones entre ellos. Al y obedece las instrucciones de los algoritmos. Las
suministrar nuevos datos, los algoritmos de las MA RNA están constituidas por capas de nodos; las MA
arrojan resultados actualizados. Posteriormente, llegan a utilizar hasta dos capas de neuronas ar-
los nuevos datos pasan a formar parte del historial tificiales, en tanto que las MAP emplean mínima-
y las MA entrenan con estos. Sin embargo, las MA mente tres capas de neuronas artificiales. Algunas
continúan bajo la intervención y supervisión de MAP llegan a tener RNA profundas con nodos in-
los humanos, quienes se encargan de etiquetar terconectados de hasta mil capas.
(estructurar) los datos de entrada. Es decir, si que- Las RNA profundas están dispuestas en tres
remos que el algoritmo de la MA identifique imáge- secciones. La primera sección es una capa hecha
nes de pelotas o perros, tiene que ser alimentada para los datos de entrada, la segunda es una mul-
con imágenes etiquetadas como pelotas o perros ticapa oculta que entrena con los datos (o exami-
para que entrene con ellas. na), y la tercera sección es una capa de salida para
La ventaja de las MA es que requieren pocos los resultados. Los algoritmos de las MAP tienen
datos etiquetados de entrada para efectuar una la capacidad de analizar los datos en ambas direc-
tarea. Mientras que, para los algoritmos de las ciones de los sectores, es decir, desde la capa de en-
MAP, las etiquetas no son necesarias y su entrena- trada, pasando por las capas ocultas hasta la capa
Red neuronal artificial profunda. Figura elaborada por el autor.
Coordinación de la Investigación Científica 103
