Deep Learning

López, J

• Editorial: Alphaeditorial
• Año: 2021
• ISBN del libro electrónico: 9789587786873
• Categoría: Computer Science
• Categoría: Computer Science General

El aprendizaje profundo o Deep Learning es una evolución de las redes neuronales artificiales (RNA). Las RNA constituyen una de las técnicas más relevantes de la inteligencia artificial que trata de emular la manera como trabajan las neuronas del cerebro. Este enfoque se encuentra dentro de la vertiente denominada conexionista, pues se basa en imitar el funcionamiento cerebral por medio de redes formadas por unidades sencillas (neuronas artificiales) interconectadas entre sí. Además, el conocimiento se modifica cambiando la fuerza o el valor de las conexiones existentes entre las diferentes neuronas de la red.

Índice

• Autor
• CONTENIDO
• LISTA DE FIGURAS
• LISTA DE TABLAS
• LISTA DE VARIABLES
• PRESENTACIÓN
• CAPÍTULO1 CONCEPTOS SOBRE REDES NEURONALES Y ARTIFICIALES Y DEEP LEARNING
• INTRODUCCIÓN
• Objetivos del capítulo
• Breve reseña histórica
• Red neuronal artificia
• Arquitecturas de redes neuronales artificiales
• CAPÍTULO 2 LOS PRINCIPIOS DEL APRENDIZAJE PROFUNDO: REDES MONOCAPA
• INTRODUCCIÓN
• Red Neuronal Perceptron
• Red Neuronal Adaline (ADAadaptative LIN ear Element)
• Limitaciones del Perceptron
• Proyectos de aplicación
• CAPÍTULO 3 SUPERANDO LAS DIFICULTADES CON LA PROPAGACIÓN INVERSA EN LAS REDES MULTICAPA SUPERFICIALES
• INTRODUCCIÓN
• Arquitectura general de un Perceptron multicapa superficial
• Entrenamiento de un MLP superficial
• Variaciones del gradiente descendente
• Algoritmos de segundo orden para redes neuronales MLP
• Proyectos de aplicación
• CAPÍTULO 4 APRENDIZAJE PROFUNDO(DEEP LEARNING) O LAS REDES DE MUCHAS CAPAS
• INTRODUCCIÓN
• Reconocimiento de patrones convencional vs Deep Learning
• Arquitecturas de Deep Learning
• Proyectos de aplicación
• CAPÍTULO 5 REDES CONVOLUCIONALES
• INTRODUCCIÓN
• ¿Cómo ve un computador
• Funcionamiento de una red convolucional
• Bibliografía