Comenzamos la sección 3 del curso, te explico cual es el contenido que encontrarás en esta sección.
3.2 Frontera de Decisión
Este vídeo es fundamental para comprender cómo es que una red neuronal es capaz de clasificar, detectar y reconocer imágenes, sonido, y datos en general. Te explico como puedes determinar la frontera de decisión y cómo la debes de interpretar gráficamente.
3.3 Ejemplo 1
Aplicamos los fundamentos que hemos aprendido en los vídeos pasados para resolver dos problemas de clasificación super-sencillos con el fin de que comprendas como las redes neuronales artificiales funcionan.
3.4 Separabilidad Lineal
Te explico que es la separabilidad lineal con tres problemas muy sencillos. Este es un concepto fundamental para saber cuando usar una red monocapa y cuando una red multicapa.
3.5 Aprendizaje Perceptron
Te explico el algoritmo del perceptron para entrenar redes neuronales monocapa. En el siguiente vídeo te muestro un ejemplo en matlab.
3.6 Reconocimiento 7 segmentos
Te muestro como programar el algoritmo de entrenamiento del perceptron en Matlab usando una red neuronal monocapa para reconocer números de 7 segmentos (sin usar compuertas lógicas).
3.7 Limitaciones del Aprendizaje Perceptron
Discutimos las propiedades de convergencia del algoritmo del perceptron y su capacidad para llegar a la mejor solución.
3.8 Resumen
Hacemos un resumen sobre lo visto en la sección 3 "Perceptron" del curso de redes neuronales artificiales.