4d.- Redes Neuronales: Fácil y desde cero
ฝัง
- เผยแพร่เมื่อ 7 ก.ย. 2024
- Minicurso de redes neuronales que explica paso a paso la construcción de un perceptrón multicapa.
Los perceptrones se usan frecuentemente en el ámbito de la inteligencia artifical para predecir o agrupar datos que no son fáciles de tratar con los algoritmos tradicionales.
Pdf Resumen (por Deiner Zapata): es.scribd.com/d...
Libro que resume el curso:
openlibra.com/...
Escrito por Rafael Alberto Moreno Parra
![[LIVE] MCHOICE & MINT AWARDS 2024 at TRUE ICON HALL, ICONSIAM](http://i.ytimg.com/vi/wMewUeT5nbY/mqdefault.jpg)
![🎤 ไปกันต่อออ! จับฉลากร้องเพลง x P’ #XXSIVK [EP.2] (1/2) เพลงของใครจึ้งสุดน้าา 💓🎤 #MXFRUIT](http://i.ytimg.com/vi/mLI_K0sAS4o/mqdefault.jpg)
Podrías continuar la serie con Matlab?? Es una pena que después de aprender toda la teoría no aprendieramos un ejemplo real, que es lo más importante! Gracias por tus videos!
He seguido todos los videos y lo he programado en python, funciona a la perfección. Os dejo un link con el programa y un ejemplo:
github.com/oscoidi/Perceptron
Hola Iñigo, me sale un error al ejecutar tu programa, podrías revisar la pagina del enlace que colocas, allí postee el error, gracias.
@@juank46983 Hola, ahora lo miro
@@inigoozcoidi7564 , Buenas Iñigo, cambie las líneas, el programa avanza mas, pero ahora sale otros errores, los postee.
Excelente!!, muchas gracias!!
Hola Javier, en el 2017 vi tus Videos de redes neuronales y también me hizo mucha ilusión implementarlo en Matlab, al inicio fue difícil incluso lo dejé y lo retome en 02/2019(cuando tuve mas tiempo) y lo terminé en una semana :)..., cuando realice las pruebas vi que funcionaba, pero tenía ciertos problemitas en el resultado de predicción (La red aprende solo la ultima información proporcionada de los datos de entrenamiento), por falta de tiempo no he podido volver a revisarlo hasta ahora y hacerle las mejoras....Espero solucionarlo y compartirlo por aquí, dentro de poco!.
================================
SOBRE LA RED DISEÑADA EN MATLAB: se puede elegir hasta 18 capas ocultas y no tiene restricciones en el tamaño del vector de entrada y salidas deseadas pues son programables, también se puede elegir de forma individual la cantidad de neuronas por capa(sin restricciones teóricamente, claro se hará mas lento el entrenamiento mientra mas consideres), básicamente es todo lo explicado por Javier puesto en código de MATLAB, repito voy ha darme un tiempo de arreglar las fallas que he identificado y lo subo.
saludos!.
Super! De verdad muchas gracias por el esfuerzo, incluso ya estando cansado, de explicar tan sencillamente. Admirable!
Hola Javier. Muchas gracias por esta breve pero intensa introducción a las Redes Neuronales. No hacía tantas matemáticas desde que acabé la carrera hace algo más de 30 años,! Pero con tus explicaciones ha sido relativamente fácil e incluso divertido. Sólo aquellos que comprendéis tan bien temas complejos sois capaces de explicarlo de manera sencilla y se nota que tú eres un autentico experto. Da verdadero gusto encontrar a personas como tu en la red. Un fuerte abrazo y Gracias!
aprendí bastante con esta serie básicamente encontré esto porque me encuentro trabajando en mi tesis pero apenas tenga tiempo me veré otros de tus vídeos que se ven bastante interesantes y bien explicados seria bueno que continuaras la parte en matlab que mencionabas porfavor
eres un makina, contigo aprobe relatividad general en la carrera y ahora espero aprobar machine learning en parte gracias a ti xD sigue haciendo esto ke salvas el culo a muchisima gente y te lo agradecemos, eres un crack!
Gracias Marstro de principio a fin. Le escribo desde Perú y no he visto un análisis más completo en otro sitio.
Gracias
¡Excelente, Javier! He seguido tus videos desde Buenos Aires y realmente logras el objetivo de explicarlo "fácil y desde cero".
Voy a mirarlos nuevamente ahora en plan de anotarlo todo y si la locura no me mata antes, intentaré simular una de estas cosas en una planilla de excel. No soy programador sino, más bien, matemático.
Te cuento que este constructo me está generando muchas ideas. Es un dispositivo que puede "generalizar" a partir de un conjunto de datos iniciales y que luego provee salidas consistentes con esa generalización sin proveer jamás la ley generalizada.
Ingresé hace un mes a este mundo de las redes neuronales por razones insólitas y realmente se me disparan ahora un torrente de ideas.
Gracias infinitas.
LO FELICITO. ERES DIFERENTE . POCOS PROFESORES SE ESMERAN POR SUS ALUMNOS COMO TU. SIGUE. TE ADMIRO!!!!!!!!!
Muy buenos videos, siempre me ha parecido este tema muy complejo ya que no soy un experto en matemáticas, pero tus explicaciones en estos 7 videos son muy claras y sencillas. Muy pedagógicos.
Muchas gracias !!!
Javier, es la mejor explicación de redes neuronales que jamás he visto. Me gustaría hacerte un comentario. Fíjate en la pantalla final dónde tienes la expresión de la derivada de las omegas entre las entradas y la primera capa, has puesto dos veces delta 3 por error. Voy a compartir esta serie con mis colegas. Estamos empezando a usar ANN para algunas cosas en la empresa y, aunque usemos funciones ya preprogramadas en MATLAB, es muy importante saber cómo trabaja. Muchas gracias por lo que haces. Eres un crack.
Muchas gracias!!
Tú trabajo es maravilloso. Me parece impresionante tu pasión y ganas por explicar con tal detalle temas como este, que casi siempre son explicados conceptual o superficialmente. Gracias de verdad, me da ilusión entender esto. Un saludo.
Quiero felicitarte por este conjunto de videos de redes neuronales. Es lo mejor que he visto al respecto. La expliciones son detalladas y meticulosas. Estos videos me han permitido conocer de una manera concreta el fundamento del funcionamiento de las redes. Un gran trabajo. Mi más sincera felicitación.
Ya hace mucho tiempo que buscaba una explicación coherente y entendible del algoritmo de back propagation, pues las veces que me propuse hacerla, quedé mortalmente enredado con los indices. Muchas gracias un gran aporte.
Sin duda esta lista de videos es la mejor manera de adentrarse en el mundo de las redes neuronales, conectan perfectamente los conocimientos matemáticos con la teoría de RNA, justo lo que los desarrolladores o ingenieros necesitamos para dar el gran salto a deep learning, eres lo máximo, muchas gracias por tu trabajo!
Creo que logre realizar la programación en Matlab, para n capas, y n neuronas para cada capa, contando las de entrada y salida. aunque no estoy del todo seguro(). Me funciono bien identificar cuando un valor es mayor que otro (usando 3 capas, 2,(3 o 4), 1 neuronas en cada capa correspondiente) y para hacer una sucesión. Gracias tus vídeos son excelentes, cualquiera que los vea con ganas de aprender debería ser capaz de implementarlo en el lenguaje de programación que le sea mas cómodo. Yo utilicé Matlab ya que en mi curso es el que usamos por default.
Hola solo quería agradecerte por todos los videos de R.N , estuve buscando el video de MATLAB porque es el lenguaje que he aprendido pero no lo pude encontrar T.T. Sin embargo encontre un mundo de videos interesantes sobre cosas que no se, y por lo que estoy seguro, podre aprender de una manera muy facil, asi que muchas gracias por crear este canal, es DEMASIADO UTIL e IPORTANTE, muchas gracias¡
Muchas Gracias Genio, me encuentro con esta belleza de información hasta ahora, ya que hace poco me interese por el tema... gran aporte (semilla) dejada en el cybermundo para humildes mortales.🤗
Impresionante Javier cuanta habilidad para explicar y hacer sencillo todos tus videos. Soy tu fan numero 1! gracias! saludos! y ansioso espero tu proximo video ;)
Javier me quede encantada con tu explicación, sí me gustaría que continuaras con tu video de Matlab. Muchas gracias por tu dedicación. Saludos desde México :)
Excelente trabajo Javier, la manera de explicar , la sencilles matematica y la precisión. Gracias por compartir ese conocimiento. Solo espero que algun dia puedes montar un ejercicio practico del tema abarcado. Estare atento, gracias
Magníficas tus explicaciones Javier !!. Mi más sincera enhorabuena por tus lecciones. Espero te animes pronto a continuar con el análisis de componentes principales y el tratamiento de imágenes para que nos puedas deleitar con tus nuevas clases. Muchas gracias.
Que capo!!!, una explicación pero ya no ya, muy pero que muy excelente, muy bien detallada, eres un capo Javier, y gracias por tomarte el tiempo en enseñar este tema de red neuronal artificial que es uno de los temas fundamentales dentro del campo de la IA. No sé si dictes cursos de relacionados a IA en alguna plataforma de educación virtual (obvio que de paga, porque este tipo de conocimientos si que lo merecen), de ser así, por favor indicar la página de la plataforma donde dictas charlas o clases de IA(tipo Machine Learning, Deep Learning, u Algoritmo genéticos , etc).
Muy buenos tus videos, tengo una asignatura de Redes neuronales en un Master y si no llega a ser por estos videos lo odiaría.. y ahora estoy deseando aplicarlo...gracias..
Muy buena información apenas y comienzo con esto de la inteligencia artificial y redes neuronales,acabo de ver todos los vídeos
y e aprendido bastante gracias por los vídeos.
Muchísimas gracias Javier por tu excelentes explicaciones y vídeos. Entre ayer y hoy he estudiado tu serie de vídeos sobre Redes Neuronales. Simplemente pedagógicos y magistrales.
Otros, como el significado de la integral de convolución, son potentísimos. Gracias por darnos tanta luz. Ojalá te hubiese conocido en mis años de carrera pues me hubiese ahorrado muchas rematriculaciones. Todo mi ánimo para que nis sigas instruyendo y guiando. Un abrazo
Hola Javier, primero quiero darle las gracias por esta clase de redes neuronales, nunca me habían explicado algo complejo de una manera tan simple, es muy buen maestro y todos deberían tomar ejemplo de usted, espero que saque pronto el video donde explica como usar lo aprendido en Matlab, Nuevamente le agradezco su tiempo y sus enseñanzas, saludos desde Colombia.
Increíble explicación, gran tutorial. seria hermoso que agregaras un capitulo extra diseñando un pseudocódigo de después se pueda adaptar a todos los lenguajes. Por el momento eso es lo que nos queda a nosotros de tarea. Muchísimas gracias por este gran aporte. Da mucha luz al tema de los perceptrones multicapa.
Usted es genial! Me encantaron sus videos, le tenía miedo a las redes neuronales y ahora estoy más animada que nunca n.n
Felicidades por su resultado y gracias por todo el tiempo que invirtió para que personitas como yo logren ver el panorama :)
Buenas Javier, se nota que hay mucho esfuerzo detrás de todo lo que has hecho, me gustaría agradecértelo, me ha sido muy útil. Me he animado a intentar programar una red en C++ por mi cuenta y he conseguido distinguir la vocal que yo le digo al micrófono. Básicamente es hacer la FFT del audio y mis "x" son los 3 mayores máxmos locales. Eskerrik asko!
Excelente curso
Visto en 17/11/2020
Tremendo trabajo en el canal. He seguido todos estos vídeos de las redes y es importante todo el curro en montarlos para que queden tan claros. Muchas gracias y he aprendido un montón.
👏👏👏🙏Profesor Javier García, excelente trabajo. 👍
Javier estoy aprendiendo redes neuronales y lo primero que he encontrado han sidos tus videos. Son una MARAVILLA. He aprendido un montón. Muchas gracias. Un abrazo
Qué bien!! Me alegro mucho!!
!! Profesor !! !! Torero !!. GRACIAS
Javier muy agradecido por la explicación, me ha ayudado mucho Poca gente lo ha expresado tan bien
Un cordial saludo
Javier Garcia Muchas gracias por compartir estos excelentes vídeos. De gran ayuda han sido para la comprensión y realización de trabajos sobre redes neuronales en la universidad. Gracias!!!
Javier, muchísimas gracias por el currazo que te has dado con estos vídeos, hay cantidad de información en internet sobre esta materia, pero la gran mayoría, es información, o muy complicada, o tan sencilla que uno nota que le falta algo, un poquito más de saber de dónde vienen las cosas, una vez más, muchísimas gracias por este curso, y ojalá, ver más vídeos en tu canal de este tipo de cosas.
Gracias Chema por comentar! Muy contento de que te haya servido! :)
Exelente trabajo mi amigo
gente asi necesitan las personas que nos intereza aprender
Hola Javier!. Te felicito y agradezco por este excelente minicurso!
Me devoré los videos uno tras otro. De por sí explicás de una forma muy agradable, amena, pero además te tomaste la molestia de distinguir con colores todos los sub/super índices y variables en todas las fórmulas....esto no tiene precio! Una imagen de tu curso llega derecho al fondo del cerebro mucho más claro que un libro :). Me veo una implementación en matlab y luego haré una red en base a tu curso en python. Si no te moelsta la puedo dejar como comentario en este post :).
Saludos desde Argentina
Hola Javier, muchas gracias por los videos, muy bien explicados. Soy programador y desarrolle mi libreria de redes neuronales siguiendo tus videos, todo funciona a la perfección.
Genial!!!!!!!!!!
Enorme javier, me estoy estudiando tus videos y son increibles. Gran trabajo gracias por compartirlo.
Estuvo muy bueno. Me gustaría mucho que puedas continuar
Muchas gracias por la serie, despues de ver la serie, encontré un programa en lenguaje C el cual traduje a mi propio lenguaje de programacion. El programa entrena una red neuronal para convertir un digito de 7 sementos a su codigo en binario. Dejo el link al programa: github.com/pililo777/lenguaje-interpretado/blob/master/ejemplos/iann.pr
Javier muchas,muchas Gracias por estos vídeos.
Ya me he visto toda esta serie de videos y no sé muy bien cómo aplicar lo aprendido; pero eso es culpa mía.
Me planteo hacer una red que pueda hacer parte de mi trabajo diario (aunque voy a invertir más tiempo haciendo eso que el propio trabajo jeje). Yo qué sé...!; yo trabajo en el mundo ferroviario y un posible problema es cómo organizar una nueva salida de trenes en la línea. Estaría bien la ayuda de inteligencia artificial y no sólo contar con mi experiencia o de simulaciones... (Tampoco hay que pasarse, no me quede sin curro)
Bueno; la explicación ha sido suficiente y sé que muy útil
Muchas gracias.
Muchas gracias por compartir tu conocimiento! La explicación en todos los vídeos fue clara, concisa e ilustrativa. Saludos desde Chile :)
Acabo de terminar la serie de vídeos y es magnífica. Muy buen trabajo. Muchas gracias por la dedicación.
Hola amigo, solo quería agradecerte los vídeo han sido super didácticos y gracias a ellos he logrado crear mi propio perceptron multicapa en c++, en serio gracias y espero que sigas haciendo vídeos así de útiles :D
Yo estoy en el mio. Como modificas los pesos y los umbrales? Los calculas todos y despues los aplicas o lo vas haciendo uno por uno y usas el nuevo valor modificado para calcular los demas y asi para todos?
Continua con la serie por favor me está ayudando mucho en mi tesis. tienes muy buen contenido Saludos!
Excelentes los videos, la verdad me aportaron muchisimo para empezar a programar redes neuronales. Gracias Javier por tu aporte. Saludos
Gracias por su paciencia y recursoso didácticos para explicar los conceptos, agradezco mucho su ayuda, saludos.
Muchas gracias, en verdad que me han sido de gran ayuda. Yo empecé el desarrollo de lo que según yo era la base de la inteligencia artificial. Hace una semana con la liberación del TF de google me tope con que estaba bastante bien encaminado, por que antes de verlo, no tenia ni la mas mínima idea, de lo que eran la redes neuronales o de su funcionamiento. mas aun así maneje un concepto muy similar. Recuperación de datos->Generar modelo->Verificar resultados->realizar correcciones->repetir hasta minimizar el error.
Desde la semana pasada he consumido mucha, pero mucha información al respecto y esta lista de videos que has desarrollado es sin duda de lo mejor que he visto. me gustaría que dieras una ojeada a lo que estuve desarrollando.
Muchas gracias Javier, súper entendibles tus explicaciones, buenísima la serie! Saludos desde Chile 🇨🇱
Muchas gracias por la dedicacion para hacer este curso, me gustaria que mostraras como implementar toda esta matematica, porque se me hace muy abstracto, claro esta entendi todo perfectamente.
ya termine los 7 videos y la verdad estubo muy bien gracias
Bueno, ahora el pedido, como estuvo MUY BUENO el tutorial, te pediría si podes hacer el de PCA, explicándolo bien detalladamente paso a paso, y al final algún ejemplo practico (El ejemplo practico le faltó a estos, para cerrar el tema, igualmente te felicito porque es excelente la explicación.)
Eyyyyy que buenos videos muchisimas gracias desde medellin Colombia,sigue haciendo Videos por favor que son muy buenos faciles de entender !!
Que tal???. Primero agradecerle por su tiempo y esfuerzo para realizar este tutorial, que por cierto su desarrollo es magnifico, y como decimos por acá en México con todo respeto "es usted muy Chingon", lo ha explicado excelentemente, tanto que no tengo dudas, bueno una sola que tiene que ver con los datos de entrada, ¿Es necesario normalizar a 1 y -1 los datos de entrada, provenientes de 3 sensores ultrasonicos, si voy a emplear la función tansig? y una pregunta ¿Realizará el siguiente video de codificación?.
Nuevamente gracias y mi admiración.
Javier. Estoy realizando un curso de B. Intelligence y me maravilló tu explicación de la matemática asociada al tema. Te agradezco un montón, me re sirvió, antes era bastante poco entendible las fórmulas. MUCHAS GRACIAS!! saludos desde Buenos Aires.
Gracias Emiliano! Saludos desde España! :)
podrias subir un video implementado todo esto en Matlab?
Pronto! :)
Excelentes! Solo falta aterrizar un poco todo esto con un ejemplo en Matlab, Python o en lo que sea! Pero están geniales. Mil gracias!
Excelente videos, excelente forma de enseñar, ojala ojalá retomarás e hicieras el último capitulo de matlab, otra vez genial es el mejor contenido sobre redes neuronales que he encontrado
Gracias, sobre todo por el tiempo, sería interesante ver los avances de ahora en redes adversarias y de función de fase. Mil gracias de nuevo.
Excelente serie de videos. Acabas de ganar un nuevo suscriptor. Me quede con muchas ganas de ver la implementación de Matlab.
He completado tú curso, y es muy interesante. Enhorabuena. Te explicas muy bien. Saludos desde Murcia
Saludos Javier, eres un maestro gracias me ayudo muchisimo, espero que subas mas videos sobre redes neuronales, muchas gracias
Genial esta serie de vídeos sobre las redes neuronales. Espero que puedas subir pronto el vídeo sobre PCA.
Un saludo desde Almería.
Estimado. Muy claro y didáctico esta serie de videos.
Excelente trabajo, una felicitación. Saludos desde México.
Excelente video!! ... Muchas gracias por estos 7 videos... la verdad es que están excelentes... Muchos saludos .. Si pudieras explicar otros algoritmos como Levenberger-Marquart y LMS sería perfecto... !!
Que Buenos videos... Serie Vista Completa!!!! Saludos
Hola Javier Garcia, antes que nada quiero agradecerte la aportación de tus vídeos de redes neuronales artificiales, ya que como a mi, seguramente a miles de personas les has dado un panorama mucho más claro de este tipo de inteligencia artificial. Así mismo, te quiero preguntar si tendrás oportunidad de sacar un vídeo del análisis de componentes principales, he estado buscando algo tan claro como tus vídeos y aún no lo encuentro. También me gustaría saber si más adelante podrás hacer un vídeo de como funciona el algoritmo de Levenberg-Marquart para renes neuronales. Se que es mucho pedir pero si tienes información al respecto te lo agradecería infinitamente... saludos y simplemente GRACIAS.
Muy buenos vídeos, me han servido mucho a entender este tema, saludos desde Mexico.
muy bien te felicito por estos videos... muy util y muy bien explicado soy tu fan. saludos
Hola Javier. Unos videos excelentes, espero que pronto subas más sobre el tema. Saludos
Excelentes videos Javier! Muchísimas gracias!!
en el min 5, cuando defines donde esta el error, me diste una idea, yo soy descodificador biologico,Ej: la salida Y = con depresion (1) y S = sin depresion (0). Es lo que yo hago cuando viene un paciente con este diagnostico, se puede hacer un modelo matematico de la depresion, etc. Felicitaciones y muchas gracias por tu tiempo en subir videos.
Gracias Fernando por comentar. Muy contento de que te haya inspirado! Un saludo!
Muy bien detallado. Faltaría un poco indicar con un ejemplo, cómo se minimiza el error usando, durante el "aprendizaje", mediante el descenso del gradiente, a partir de datos.
Estimado Javier, excelente descripción de tus videos, me ha servido muchísimo, ha sido un trabajo fenomenal.
Espero que pronto pueda subir lo de PCA.
Nuevamente excelente !!!! :)
Genial, gracias por la explicación al fin pude entender como funciona.
Hola Javier. Muchas gracias por tus vídeos, son de gran utilidad y muy didácticos. Para cuando el video final de la implementación ?
Saludos,
Alejandro
Muchas gracias por el trabajo, me ha sido muy útil. Un saludo y gracias de nuevo :)
Entendido al 100%, gracias.
Gracias por el curso y animo para ponerte con el sguiente
Hola Javier, excelentes vídeos y muy didácticos. Estaré muy atento a los próximos vídeos sobre PCA y otros temas. Saludos
Sería bueno aprender a programar los en python, amo todos sus vídeos no sabia que también tenía vídeos de redes neuronales
Día 725, Javier aún está exhausto de la pedazo playlist que montó. Y sigo esperando el siguiente video
Excelentes vídeos, muy bien explicados, muchas gracias por tu tiempo. Un mínimo comentario, en el minuto 25:08 decís delta 3, pero es delta 4. Saludos!!
Muchas gracias por estos vídeos explicativos Javier, aprendí un montón !
bien explicado felicitaciones y menudo trabajo te has dado, saludos desde Perú
+Yamir Ramirez Muchas gracias! La verdad es que este curso me llevó semanas de preparación :)
Muchas gracias. Excelente tutorial no se si en otra lista de vídeos hagas implementaciones de esto si librerías especializadas. Saludos.
No se muy bien del tema pero me parece que hay una errata en el minuto 25:11 , la delta (3) i , en verde, tendria que ser delta (4)i (creo) .
Muy didactico el video, gracias por hacer estos videos que no se encuentran en ningun lugar explicados de forma tan detallada.
Un saludo.
Javier, muchas gracias por este curso, Has hecho un gran esfuerzo para que se entienda bien y creo que es la mejor explicación que hay en la red. Me uno a los que te preguntan si haras el video acerca de la programación de la red neuronal. Tenemos la sensación de que este curso se ha quedado incompleto y me gustaría ver como se convierten estas ecuación en un algoritmo programable.
Muchas gracias! No hay nada que más me apetezca que seguir un par de capítulos más. De momento no podré porque voy bastante liado con todos los cursos que tengo en mi canal, pero un día daré la sorpresa y lo pondré. No sé cuando, pero seguro que lo hago. Muchas gracias!
Esperaremos con impaciencia Javier y esperamos que puedas continuarlo pronto. Una vez desplegadas las ecuaciones será muy interesante entender como se convierten en un flujograma y como funciona una vez programado en C o en Matlab. Gracias otra vez.
Genial! muy bueno! aun me quede con ganas de ver el video donde trabajas con matlab
Excelente, debo decirte que te seguimos un grupo de simpatizantes de la Física Cuántica, la Inteligencia Artificial y la Cosmología.
¿Cuándo nos darás más de estas magníficas clases de Redes Neuronales?.
Un saludo desde la Universidad Nacional de Colombia.
+pablo marinho Muchísimas gracias. Es un honor para mí que pueda servir de algo estos vídeos.
Que tal? Estimado Javier nuevamente para saludarlo y preguntarle si piensa realizar el vídeo del que hablo en este último vídeo de la serie, donde hablaría del análisis de componentes principales (PCA). Muchas gracias un fuerte abrazo.
Excelentes videos! Muchas gracias!!
Genial los videos Javier, me fueron de gran ayuda para comprender las redes neuronales. En el desarrollo me surgió una duda en la etapa de escalamiento, que pasa si generada la red neuronal, con esto quiero decir entrenada, validada y testeada para una serie de datos, quiero evaluar el resultado de aplicarla a un dato cuyo valor es mayor al máximo de los datos con los que desarrolle la RNA. En el mismo sentido si mi valor es menor al mínimo.
De vuelta, muchas gracias por tu trabajo.
+Juan Garcia Buena pregunta! Es difícil de responder. La respuesta más conservadora es que los valores que introduzcas en la red han de pertenecer al rango de valores con los que has entrenado la red, sin embargo podría darse la circumnstancia de que los datos tengan una estructura bien definida y que la red la haya descubierto. En este caso podríamos hacerlo. Es un campo en desarrollo y no hay respuestas claras para según que preguntas, sorry. Gracias por ver el vídeo!
Buenas Javier, tus vídeos son una excelente forma para iniciarte y coger conocimientos sobre Redes Neuronales de una forma rápida y sencilla. Un 10!.
Me gustaría saber si vas a subir el vídeo de la implementación en Matlab de aquí a poco tiempo.
Un saludo y mil gracias.