28 Acordeón de aprendizaje
Errores:
- Error residual $$
e = (y-)$$
- Suma de los cuadrados de los errores $$
= _{i=1}^{m} (y^i - i)2$$
- Error cuadrático medio $$
= _{i=1}^{m} (y^i - i)2$$
Regla de aprendizaje de Rosenblatt: $$
W^{t+1} = W^{t} + (y - ) X$$
Descenso por gradiente:
Descenso por gradiente general: $$
W^{t+1} = W^{t} - $$
Método de incrementos. Si usamos MSE entonces podemos simplificar a:
- término de error: $$
= (y-)f’ (h)$$
- incremento por peso: $$
w_i= x_i$$
- actualización: $$
w_i = w_i + w_i$$
Derivadas de las funciones de activación: $$
’(x) = (x) (1 - (x))\[ \]
’(x) = 1 - ^2(x)\[ **Retropropagación:** Término de error en una capa oculta: \]
i = o w{i+1,o} {i+1,o} f’(h_i)$$ Hiperparámetros: tasa de aprendizaje (\(\eta\)), número máximo de épocas (\(T\))