REVISTA MINERÍA 532 | EDICIÓN ENERO

MINERÍA la mejor puerta de acceso al sector minero MINERÍA / ENERO 2022 / EDICIÓN 532 18 Se consideran dos tipos de aprendizaje:  Aprendizaje supervisado.  Aprendizaje no supervisado. Redes con aprendizaje supervisado.- se caracterizan porque el proceso de aprendizaje se realiza mediante un entrenamiento controlado, es decir, supervisado, el cual determina la respuesta que debería generar la red a partir de una entrada determinada. Redes con aprendizaje no supervisado.- También conocidas como autosupervisadas, no requieren influencia para ajustar los pesos de las conexiones entre sus neuronas, suele decirse que este tipo de redes tienen la capacidad de auto-organizarse. Dichas redes deben encontrar las características, correlaciones o categorías que se pueden establecer entre los datos que se presenten en su entrada. Para la predicción de las recuperaciones de este trabajo se ha utilizado el aprendizaje supervisado ya que se entrena a la RNA con datos históricos con los cuales queremos que dicha red aprenda o entrene. Existiendo varios modelos de RNA se ha utilizado la red blackpropagation, ya que se ajusta mejor al aprendizaje y resultados que deseamos obtener. La red backpropagation El funcionamiento de una red backpropagation consiste en un aprendizaje de un conjunto predefinido de pares de entradas - salidas en dos fases: primero se aplica un patrón de entrada como estímulo para la primera capa de neuronas, está a la vez se va propagando a través de todas las capas superiores hasta generar una salida, se compara el resultado obtenido en las neuronas de salida con las salidas que se busca obtener y se calcula un valor error para cada neurona. Estructura y aprendizaje de la red backpropagation En una red backpropagation existe una capa de entrada con «n» neuronas y otra capa de salida con «m» neuronas y al menos se tendrá una capa oculta, cada neurona de una capa (excepto la de entrada) recibe información de todas las neuronas de la capa anterior y envía una información de salida a todas las neuronas de la capa posterior. Tabla 3. Primera Prueba de Entrenamiento Tabla 4. Segunda Prueba de Entrenamiento

RkJQdWJsaXNoZXIy MTM0Mzk2