MetsuOS

Construyendo la plena inclusión a través del videojuego

Modelo de la neurona artificial 🔴②

Redes Neuronales Artificiales ⚫①

El modelo de la neurona artificial es fundamental en el estudio de las redes neuronales en inteligencia artificial. Es la unidad básica de procesamiento en una red neuronal artificial y está inspirada en la estructura y funcionamiento de las neuronas biológicas.

Estructura de una Neurona Artificial

Una neurona artificial consta de varias partes importantes:

Entradas (Inputs)

Una neurona artificial recibe entradas desde otras neuronas o desde el entorno. Cada entrada está asociada con un peso que indica su importancia relativa en la operación de la neurona.

Pesos (Weights)

Cada entrada tiene un peso asociado que ajusta la contribución de esa entrada a la salida de la neurona. Los pesos se utilizan para aprender patrones durante el proceso de entrenamiento de la red neuronal.

Función de Suma Ponderada (Weighted Sum Function)

Las entradas se multiplican por sus respectivos pesos y luego se suman para formar una suma ponderada. Esta operación se puede representar matemáticamente como:

$$ \text{Suma Ponderada} = \sum_{i=1}^{n} (x_i \times w_i) $$

Donde $x_i$ es la i-ésima entrada, $w_i$ es el peso asociado a esa entrada y $n$ es el número total de entradas.

Función de Activación (Activation Function)

Después de la suma ponderada, el resultado se pasa a través de una función de activación. La función de activación introduce no linealidades en la salida de la neurona, permitiendo a la red neuronal aprender y modelar relaciones complejas en los datos.

Umbral (Threshold)

En algunos modelos de neuronas artificiales, se utiliza un umbral para determinar si la neurona debe activarse o no en función de la salida de la función de activación.

Salida (Output)

La salida de la neurona artificial es el resultado de aplicar la función de activación a la suma ponderada de las entradas.

Funcionamiento de una Neurona Artificial

  1. Las entradas son multiplicadas por sus pesos respectivos y luego sumadas.
  2. El resultado de la suma ponderada se pasa a través de una función de activación.
  3. La salida de la neurona, que es el resultado de la función de activación, se transmite a otras neuronas en la red neuronal.

Funciones de Activación Comunes

Referencias Bibliográficas

Referencias que refutan este contenido

Nota: Se recomienda consultar las referencias bibliográficas para obtener una visión más completa y actualizada sobre el modelo de la neurona artificial.

Sobre el sistema de validez de un contenido en MetsuOS

Empezando a incorporar los niveles de validación de un contenido (también llamada sabiduría o niveles de conocimiento) ⚫🔴 🟡 🟢 🔵⚪ ¿Qué són?

Sobre la categorización de los tipos de conocimiento

La Metsukeología (de Metsuke vision global y logos conocimiento) es la ciencia que estudia el conocimiento como un conjunto potencial de conocimiento del que podemos obtener, procesar o percibir partes concretas dentro de un marco contextual específico, y cuyo contexto general real está muy por encima de lo que somos capaces, como especie, de percibir, procesar e integrar de forma completa (definición en progreso).

La Metsucología (de Metsu aniquilación - en este contexto en forma de colapso - , logos conocimiento) es la ciencia que estudia como extraemos verdades percibidas - colapsadas - como conocimiento desde nuestra perspectiva real (tanto epistemológico como gnoseológico) al tomar una parte específica del conocimiento metsukeológico potencial enmarcado en un contexto concreto, obligando a colapsar el conocimiento potencial en conocimiento específico (definición en progreso).

Mas sobre el contexto

DISCLAIMER: Mi consideración de anticientífico respecto al consenso científico es una hipotesis de trabajo propia, que supone que toda asignación de validez, incluso aquella derivada de la conclusión por acumulación de evidencia NO debe ser supeditada a debate, ni acuerdo, debe ser algo probabilistico sin intervención del ego humano. Podría estar equivocado y, en este punto, es donde se aplicaría entonces ese mismo consenso que ahora considero no valido (incluso dañino)

Existen indicadores para algunas cuestiones adicoinales como los siguientes:

Cuando hablamos de un contenido que incluye un texto que hace referencia a otro.

También aplicaremos el Sistema de fiabilidad de fuentes y credibilidad de contenidos de la OTAN 🔴②, este sistema incluye una valoración de la fiabilidad de la fuente de A a F (siendo A la de mayor fiabilidad) y una varloración de credibilidad del contenido de 1 a 6 (siendo 1 la mayor credibilidad).

En MetsuOS la agregaremos al final uniendo amos valores como si fuera una coordenada. Por ejemplo: ⚫①-D4 o 🟡③-B2. Esto ayudarña a contextualizar la información sobre la solidez del conocimiento al que se hace referencia en cada momento.

Hay que tener en cuenta que, cuando hay elementos subjetivos o parcialmente subjetivos, el punto de referencia seré yo mismo. Quizá más adelante pueda objetivizar esto más (seria lo deseable), pero en tanto no tenga herramientas que me lo permitan, debo ceñirme al principio de honestidar intelectual, y esperar que mis sesgos dañen lo menos posible la información (en parte este es el nudo gordiano que pretendo resolver, y por ello es dificil resolverlo a priori).

Así de forma resumida, podríamos decir que esta definición es nivel 🔴② (Rojo2 xD) ¿Crees que me dejo algo? Si es así por favor ayudame a mejorarlo contactándome a través de X (Twitter) en mi cuenta, @metsuke 🌐

Consulta la versión completa de la descripcion en ⚫🔴🟡🟢🔵⚪ (🔴②) Un poco más de detalle