1. Redes Neuronales Artificiales
1.1. Es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en la estructura del cerebro, y que es utilizada para resolver una amplia variedad de problemas.
1.2. Las neuronas se agrupan dentro de la red formando niveles o capas. Se distinguen tres tipos de capas
1.2.1. La capa de entrada, que recibe directamente la información procedente del exterior,incorporándola a la red.
1.2.2. Las capas ocultas, internas a la red y encargadas del procesamiento de los datos deentrada.
1.2.3. La capa de salida, que transfiere información de la red hacia el exterior.
2. Subcampo de Machine Learning y este a su vez es un subcampo de IA
2.1. usa una estructura jerárquica de redes neuronales artificiales,que se construyen de una forma similar a la estructura neuronal del cerebro humano, con los nodos de neuronas conectadas como una tela de araña
3. Tipos de redes Deep Learning
3.1. Redes Neuronales Recurrentes (RNN)
3.2. Redes LSTM/GRU
3.3. Redes GRU
3.4. Redes Neuronales Convolucionales (CNN)
3.5. Redes de creencias profundas (DBN)
3.6. Redes de apilamiento profundo (DSN)
4. Algoritmos
4.1. Redes feedforward
4.1.1. Redes que son capaces de aprender relaciones entrada-salida a partir de una gran cantidad de ejemplos
4.1.1.1. Están formadas por muchas neuronas simples interconectadas entre sí
4.2. Redes Feedbackward
4.2.1. Se ponen patrones en la capa de entrada, propagando la información hacia la capa de salida, lo cual permite obtener una señal de error para cada elemento de procesamiento en la última capa.
4.2.1.1. Con base en las señales de error, se actualizan, entonces los pesos de conexión de tal suerte que, a la larga, la red converja hacia una configuración en la que estén codificados todos los patrones del conjunto de entrenamiento.
5. Las redes neuronales se clasifican en dos grandes grupos
5.1. Redes mono capa
5.1.1. Compuestas por un solo nivel de neuronas que se unen mediante conexiones laterales.
5.2. Redes multicapa
5.2.1. Las neuronas se disponen en dos o más capas.
6. Las redes neuronales se clasifican en dos grandes grupos
6.1. Redes unidireccionales (feedforward):
6.1.1. Sin ciclos.
6.2. Redes recurrentes o realimentadas (feedbackward): presentan ciclos
6.2.1. Presentan ciclos
7. Distintos tipos de aprendizaje en Redes Neuronales Artificiales
7.1. Aprendizaje supervisado.
7.1.1. Se dispone de un conjunto de ejemplos que contiene tanto los datos de entrada como la salida correcta
7.2. Aprendizaje no supervisado
7.2.1. Los ejemplos sólo contienen los datos de entrada, pero no la salida
7.3. Aprendizaje híbrido
7.3.1. Unas capas tienen aprendizaje supervisado y otras no supervisado.
7.4. Aprendizaje por refuerzo.
7.4.1. No se dispone de las salidas correctas, aunque se indica a la red en cada caso si ha acertado o no.