Redes neuronales

Clasificación y principales características

• Se utilizan para tareas tanto de clasificación como de regresión, así como para otro tipo de problemas cognitivos que veremos más adelante.
• Modelos de aprendizaje supervisado: requieren datos de entrenamiento etiquetados.
• De aprendizaje basado en modelo.
• De tipo “eager learning”: durante el entrenamiento se construye un modelo que se utiliza después para hacer las predicciones.
• No paramétrico: no hacen suposiciones sobre la distribución que siguen los datos.
• Global: se construye un modelo, no se tienen en cuenta únicamente las instancias de entrenamiento más cercanas a las nuevas muestras.

Objetivo

Las redes neuronales artificiales están inspiradas en las redes neuronales naturales del cerebro y tienen como objetivo realizar funciones cognitivas imitando la manera en que lo hacemos nosotros. Algunas de sus aplicaciones son, por ejemplo:

• Resolución de problemas de clasificación/regresión.
• Reconocimiento de imágenes y otras aplicaciones de visión artificial (Computer Vision).
• Procesamiento del lenguaje natural (NLP).