MINERÍA la mejor puerta de acceso al sector minero MINERÍA / ENERO 2022 / EDICIÓN 532 16 lida, cuyo objetivo es dar una respuesta de salida. Las neuronas artificiales tratan de imitar las características más relevantes de la neurona biológica, cada una de las neuronas está caracterizada en cualquier instante por un valor de estado de activación “ai(t)”, existiendo una función de salida “fi”, la cual transforma el estado actual en uno de salida “yi”. Las señales moduladas que han llegado a la unidad se combinan entre ellas, generando así la entrada total de la red. Modelo general de una neurona artificial Se denomina RNA a un dispositivo simple de cálculo que, a partir de un vector de entrada procedente del exterior o de alguna otra neurona, proporciona una única respuesta y/o salida, sus elementos son: Conjunto de entradas: Xj (t) Pesos sinápticos: Wij, que presentan la intensidad o importancia de las entradas entre cada neurona presináptica “j” y la neurona postsináptica “i”. Regla de propagación: O (Wij, Xj(t)), que proporciona el valor del potencial postsináptico, de la neurona una función de sus pesos y entradas. Estado de activación: fi(ai(t-1), hi(t)), que proporciona el estado de activación actual de la neurona. Función de salida: Yi = fi(ai(t-1), la cual proporciona la salida actual de la neurona, en función de su estado de activación. Este modelo de neurona artificial es la inspiración de la neurona biológica en el sentido de ingresar una serie de entradas (imput) y proporcionar respuestas. Yi(t)= Fi(fi[ai(t-1), (Wij, Xj(t))]) Función Activación Función Propagación Existen cuatro funciones de transferencia típicas que determinan distintos tipos de neuronas: Función escalón. Función lineal y mixta. Función sigmoidal (hiperbólica tangencial). Función Gaussiana. Para este estudio utilizaremos la función sigmoidal, ya que con ella el valor dado es cercano a Figura 6. Diagrama de flujo de la RNA.
RkJQdWJsaXNoZXIy MTM0Mzk2