Tema 2.1 - Arquitectura de una red neuronal

Topología de la red

Define la capacidad de aprender de la red neuronal. Existen gran cantidad de topologías de red, sin embargo, todas se definen con base en:

• Número de capas. 

• Si la información se propaga hacia atrás, adelante o ambas direcciones. 

• El número de neuronas (unidades) en cada capa.

La topología define la complejidad de las tareas que puede solucionar la red. Redes más grandes y complejas identifican patrones más complejos y fronteras de decisión más difíciles. La capacidad de la red también depende de la manera en la cual las neuronas están interconectas.

Número de Capas
Inicialmente, las neuronas de entrada reciben la información de los datos de entrada. Cada una de las neuronas de entrada procesa una variable del conjunto de datos, es decir, si hay 23 variables habrá 23 neuronas de entrada. El valor de esta variable se transforma por medio de la función de activación. A su vez, el nodo de salida tiene su propia función de activación para realizar la estimación final de la clase (problema de clasificación) o valor (regresión).

Los nodos se organizan en capas ocultas. En la siguiente imagen, la capa entrada está conectada directamente a la capa de salida, por lo tanto, esta red tiene 0 capas ocultas.

Imagen tomada de: Fuente: Brett, 2013

Una red de neuronas multicapa es aquella que tiene una o más capas ocultas, las cuales procesan las señales de entrada antes de alcanzar el nodo de salida. Por otro lado, las redes son fully connected lo que significa que cada nodo en una capa se conecta a todos los nodos de la siguiente capa como se muestra a continuación.

Imagen tomada de: