ARTIFICIAL NEURAL

NETWORKS
PREDICCIÓN DE PROBLEMAS DE
REGRESIÓN EN PROCESOS DE
VOLADURA

01
Qué es una ANN?
DEFINICIÓN
Modelo computacional vagamente inspirado en el
comportamiento observado en su homólogo biológico​.
Consiste en un conjunto de unidades, llamadas neuronas
artificiales, conectadas entre sí para transmitirse señales.

02
 CAPAS / LAYERS

ELEMENTOS DE UNA ANN Son tres capas principales compuestas por

neuronas
NEURONAS / NEURONS
La función que cumplen depende de la capa
en donde se encuentren
PESOS / WEIGHTS
Cumplen la función de ponderar la
importancia de cada variable de entrada

SESGO / BAIS
Cumplen la función de eliminar el sesgo de
algunas neuronas
ARQUITECTURA DE UNA
ANN
03
 MATEMÁTICAS DE UNA MÉTRICAS / METRICS

ANN
FUNCIÓN DE ACTIVACIÓN / ACTIVATION FUNCTIONS Permite saber si nuestra red está siendo optimizada
• Mean Squared Error
Permiten eliminar la linealidad de las relaciones entre variables.
• Root Mean Squared Error
• Accuracy
• Binary Accuracy

BACKPROPAGATION
Técnica utilizada en el Deep Learning para hacer un analisis en
retroceso para la búsqueda de los valores que hicieron que exista
el error

FUNCIÓN DE PÉRDIDA / LOSS FUNCTION

Permite cuantificar el error entre el valor real y el calculado.
• Mean Squared Error Function
• Mean Absolute Error Function
• Binary Crossentropy Function
• Categorical Crossentropy Function

OPTIMIZADOR/ OPTIMIZER
Permite evaluar la función de pérdida de tal manera de encontrar el
menor valor.
• Stochastic Gradient Descent
04 • Adam
• RMSprop
• Etc.