Recuperacion y Organizacion de la Informacion

Perceptrón simple

El término perceptrón hace referencia a una neurona artifical o a la unidad básica de inferencia en forma de discriminador lineal que suele fomar parte de de una red neuronal artificial.

Un perceptrón puede clasificar datos que sean linealmente separables. En el caso de un perceptrón con dos entradas será posible trazar una sola línea que separe las dos clases que permite identificar el perceptrón.

Los perceptrones funcionan a través de operaciones lógicas. Las operaciones AND y OR pueden ser aprendidas por un perceptrón, ya que son linealmente separables. No ocurre lo mismo con la operación XOR, ya que esta operación requiere al menos de dos líneas para separar las clases. Por tanto, para esta operación es necesario utilizar una capa adicional de perceptrones para llevar a cabo su aprendizaje.

Perceptrón multicapa

Se trata de una red neuronal artificial formada por múltiples capas, lo que le permite resolver problemas con no son linealmente separables.

Las capas del perceptrón multicapa pueden clasificarse en 3 grupos:

• Capa de entrada: formada por aquellas neuronas que introducen los patrones de entrada en la red. En estas neuronas no se produce procesamiento.
• Capas ocultas: formada por las neuronas cuyas entradas proceden de capas anteriores y las salidas pasan a neuronas de capas posteriores.
• Capa de salida: Neuronas cuyos valores de salida se corresponden las salidas de toda la red.

El perceptrón múltiple posee una serie de limitaciones:

• Si la red neuronal se entrena de forma insuficiente, los resultados pueden ser imprecisos.
• La existencia de mínimos locales en la función de error dificulta considerablemente el entrenamiento pues una vez alcanzado un mínimo el entrenamiento se para aunque no hayamos alcanzado la tasa de convergencia fijada.