X hits on this document

PDF document

BANCO DE LA REPÚBLICA - page 13 / 43

89 views

0 shares

0 downloads

0 comments

13 / 43

' esta superficie se forman las combinaciones Z γ tj

(j=1,...,K)

que son transformadas a valores

entre cero y uno mediante las funciones de activación G(). Finalmente, éstas son multiplicadas

por

ponderaciones

j β

para

dar

como

resultado,

al

adicionar

la

componente

lineal,

el

output

yt

13

.

Dado que

esta red

única

dirección

entrada

presenta una única salida (input-output)

superficie oculta y que la información va en una se conoce como red neuronal “feedforward”

multicapa al, 2002).

de

una

única

superficie

oculta

o

“single

hidden

layer

feedforward

network”,

(Misas

et

Gráfico 4

Superficie output

Ponderaciones φ

Ponderaciones β

Superficie escondida

Ponderaciones γ

Superficie input

4.2.2.

Modelación bajo redes neuronales artificiales

En una red neuronal artificial, el concepto de aprendizaje se define como un proceso de iteración y ajuste de parámetros γ , β ,φ ) basado en la minimización de la diferencia entre el

output producido y el observado para una arquitectura dada. En este contexto, la determinación del modelo comprende las etapas de especificación, estimación de parámetros y evaluación de los modelos estimados.

13

Swanson y White (1995) se refieren a los parámetros

ij

como ponderaciones input to hidden unit ,

mientras que los parámetros

j

son ponderaciones hidden unit to output. A su vez, los parámetros

de la

parte lineal en (2) se conocen como ponderaciones input to output.

13

Document info
Document views89
Page views89
Page last viewedSun Dec 04 22:07:25 UTC 2016
Pages43
Paragraphs3606
Words13933

Comments