Discusión sobre el artículo "Red neuronal en la práctica: Una cuestión de escala"

[MetaQuotes]

Artículo publicado Red neuronal en la práctica: Una cuestión de escala:

Existe una falsa sensación, entre el público general, de que una red neuronal, o una inteligencia artificial, puede, de algún modo, comprender el mundo en el que vivimos. En algunos casos, esto incluso puede ser cierto. Pero tú, que quieres conseguir que una red neuronal, o incluso una neurona, converja más rápido, necesitas entender que la escala utilizada en los valores muchas veces termina influyendo en la velocidad de convergencia. Además, en este artículo mostraré algo extraño que ocurre en las redes neuronales. Algo que te llevará a la locura y hará que te cuestiones muchas cosas sobre el tema.

Durante este artículo no prestaremos tanta atención al código, ni seguiremos hablando o mencionando los mínimos cuadrados, salvo en situaciones muy concretas. Aunque sigan presentes en el código de la clase C_Neuron, estarán allí únicamente porque será necesario explicar otra cuestión que todavía no hemos abordado y que utiliza precisamente la función de coste de mínimos cuadrados. A partir de ahora, el enfoque principal será el uso del gradiente. De cualquier forma, no quiero que te aferres demasiado a ninguna parte del código. Quiero que intentes entender por qué utilizar una cosa u otra y cuándo hacerlo.

La razón es muy sencilla: no existe una única forma perfecta de hacer las cosas cuando se habla de redes de perceptrones. Existe la forma que funciona y la que no funciona. Y, en muchos casos, la forma que funciona puede resultar bastante costosa desde el punto de vista computacional, por lo que será necesario ajustarla a un modelo más adecuado. Para ello, debes saber cómo modificar el código. A medida que vayamos añadiendo cada vez más entradas al perceptrón y aumentando el número de perceptrones, estas cuestiones tendrán cada vez más sentido, y las entenderás mejor en la práctica.

Autor: Daniel Jose