Activación y transferencia
Funciones de activación y de transferencia
La neurona necesita saber si se activa (o inhibe). De hacerlo, emite o transfiere un impulso a las neuronas adyacentes. En términos ingenieriles, necesita de una condición para activarse (o no), y de una expresión de salida que transmite a otra neurona.
Ambas funciones son del tipo f (xi,wi,dj), esto es, depende de las entradas, sus pesos y de un parámetro variable de ajuste. Esto se entiende de la siguiente manera: para cada grupo de entradas i hay otro grupo de salidas j.
· La función de activación, digamos f(Ac)j instruye a la neurona si debe disparar o no. La expresión tradicional más usada es la de umbral (como T). Si la suma ponderada
x1w1+x2w2+x3w3+…>T, entonces la neurona se activa.
· La función de transferencia es variable, y más compleja en la mayoría de los casos. Por ejemplo,
· Puede ser lineal (proporcional al valor del producto ponderado de entradas y pesos).
· Puede ser condicional, en el sentido de dar lugar a dos opciones dependiendo del valor del producto ponderado citado. También se le llama una variable nominal de dos estados.
·
Puede ser
de tipo sigmoideo, también
llamada función logística, que
da lugar a un gráfico en forma de S con extremos que generalmente varían
entre 0 y 1 o -1 y 1. Es una función de fácil diferenciación y de un
amplio uso en redes neurales. Es de la forma
· Aparte de la función escalar lineal pueden usarse otras funciones escalares. Por ejemplo, una función exponencial.
· También puede haber una salida por clasificación, lo cual implica asumir un conjunto de clases de salida para cada tipo de entrada. Es propio del manejo de patrones.
· Puede utilizarse una salida por regresión estadística, digamos por un ajuste de mínimos cuadrados, lo cual tendría un sentido más bien de predicción.
¨ Salida fija o dura
| Designando al producto |  |
| Siendo |
 |
el
umbral del nodo j. Entonces, la salida es: |
 |
Si |
 |
 |
Otro |
¨ Salida según función sigmoideo
|
En este caso, la
salida obedece a la expresión |
 |
Aprendizaje y control. Modelos de redes. Ejemplos en Ingeniería Civil. Patrones. Regla de Hamming. Algoritmo de retro propagación. La regla delta. Ejemplos. Productividad en la construcción.