Neural Network
Red neuronal
En una frase
Neural Network: un modelo formado por capas de unidades simples conectadas entre sí, que aprende ajustando la fuerza de esas conexiones.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
Una red neuronal es un conjunto de pequeñas calculadoras —neuronas— organizadas en capas. Cada neurona recibe números, los combina y pasa el resultado a la siguiente capa.
Ninguna neurona «sabe» nada por sí sola. El conocimiento está repartido en millones de conexiones con distintos pesos. Entrenar la red es encontrar los pesos correctos.
En 30 segundos
- 1La capa de entrada recibe números (píxeles, palabras codificadas…).
- 2Cada neurona multiplica sus entradas por pesos y las suma.
- 3Una función de activación decide cuánto «se activa».
- 4Las capas ocultas construyen representaciones cada vez más abstractas.
- 5La capa de salida produce la predicción.
Cómo funciona
Una red neuronal pequeña
Nivel técnico
Profundizando
Una red feedforward aplica una secuencia de transformaciones hₗ = σ(Wₗhₗ₋₁ + bₗ), donde Wₗ es la matriz de pesos de la capa l, bₗ el bias y σ una función de activación no lineal. Sin esa no linealidad, apilar capas sería equivalente a una sola transformación lineal.
El teorema de aproximación universal establece que una red con una sola capa oculta suficientemente ancha puede aproximar cualquier función continua en un dominio acotado, aunque en la práctica las redes profundas aprenden de forma mucho más eficiente. Se entrenan con Backpropagation y Gradient Descent. Arquitecturas especializadas incluyen CNNs (imágenes), RNNs (secuencias) y Transformers.
Error común
¿Por qué importa?
Son el bloque de construcción de todo el deep learning moderno, incluidos los LLMs.
¿Dónde se utiliza?
- Reconocimiento de imágenes
- Procesamiento de lenguaje
- Reconocimiento de voz
- Predicción de series de tiempo
Antes de aprender esto
Continúa aprendiendo
- Neurona artificialLa unidad básica de una red neuronal: combina varias entradas con pesos, suma un bias y aplica una función de activación.
- BackpropagationEl algoritmo que calcula cuánto contribuyó cada parámetro de una red al error, propagando ese error desde la salida hacia atrás.
- TransformerUna arquitectura de red neuronal que procesa secuencias usando mecanismos de atención para relacionar cada elemento con todos los demás.