Neurona individual

Una neurona es la unidad fundamental de una red neuronal, responsable del procesamiento de la información. Recibe datos de entrada (cualquier dato codificado como valores numéricos), los procesa y transmite el resultado hacia adelante. A cada entrada se le asigna un peso, que determina su importancia en el cálculo de la neurona.

El funcionamiento de cada neurona puede dividirse en 4 pasos:

1. Recepción de entradas: una neurona toma múltiples entradas, representadas como $x_1$, $x_2$, $x_3$, etc.;
2. Aplicación de pesos: cada entrada se multiplica por un peso correspondiente $w_1$, $w_2$, $w_3$, etc., que define su relevancia. Inicialmente, estos pesos se establecen de forma aleatoria, pero posteriormente se ajustan durante el entrenamiento mediante un método llamado retropropagación, que se explicará más adelante;
3. Suma: las entradas ponderadas se suman ($w_1 \times x_1 + w_2 \times x_2 + ...$);
4. Función de activación: esta suma se pasa a través de una función de activación, que la transforma en la salida de la neurona. La elección de la función de activación depende del problema que la red neuronal intenta resolver.

Neurona como parte de una red neuronal

La salida de la neurona sirve como entrada para la siguiente capa de neuronas. Este proceso continúa a través de múltiples capas hasta que la red produce un resultado final.

Durante el proceso de aprendizaje, los pesos de la neurona se ajustan de manera que se minimiza el error entre los valores predichos por la red neuronal y los valores reales.

Si la red comete un error, actualiza los pesos para mejorar las predicciones futuras.

Al refinar estas conexiones con el tiempo, la red neuronal aprende patrones en los datos y mejora su precisión al resolver tareas.