Una red neuronal aprende representaciones que ayudan a resolver una tarea. Para elegir una arquitectura, observa cómo se relacionan los datos: posiciones en una imagen, pasos de una secuencia o columnas de una tabla.
Objetivos: seguir el cálculo de una neurona; explicar entrenamiento y backpropagation; comparar MLP, CNN, RNN y LSTM; y reconocer límites de capacidad y generalización.
Conceptos clave
Una neurona calcula una suma ponderada de entradas, añade un bias y aplica una función de activación. Los pesos determinan la contribución de cada entrada. La activación aporta no linealidad: apilar transformaciones puramente lineales no produce por sí solo una frontera no lineal.
La capa de entrada recibe características; las capas ocultas producen representaciones intermedias; la de salida representa la predicción. Para reconocer dígitos de 0 a 9, una imagen de 28 × 28 aporta 784 valores si es de un canal y se aplana, y la salida puede tener diez puntuaciones.
Durante el entrenamiento, la red predice, calcula pérdida y propaga gradientes hacia atrás (backpropagation). Un optimizador usa esos gradientes para actualizar parámetros. Un epoch es una pasada por el conjunto de entrenamiento; un batch es un grupo procesado en una actualización. Más épocas o más neuronas no garantizan mejor generalización.
MLP y redes convolucionales
Un Multilayer Perceptron (MLP) conecta capas de neuronas y puede aprender fronteras no lineales. En la demostración de círculos concéntricos, una recta no separa el círculo interior del exterior. Añadir capacidad y activaciones permite una frontera más adecuada; el resultado debe comprobarse en puntos nuevos.
Una Convolutional Neural Network (CNN) aprovecha patrones locales y comparte filtros sobre distintas posiciones. Un kernel recorre regiones de la imagen y produce un mapa de características. Las primeras capas pueden responder a bordes y texturas; otras combinan patrones más complejos.
ReLU introduce no linealidad. Pooling reduce dimensiones espaciales; no sustituye el aprendizaje de filtros. Capas finales combinan las características para clasificar. Softmax convierte puntuaciones en una distribución sobre clases. Dropout desactiva aleatoriamente parte de las unidades durante el entrenamiento para regularizar; no significa eliminar permanentemente los datos.
Una CNN puede formar parte de clasificación, detección o segmentación. Clasificar identifica categorías, detectar añade localización y segmentar asigna etiquetas por píxel. No son salidas equivalentes.
Modelos de secuencia
Una RNN procesa pasos ordenados y mantiene un estado oculto. El resultado de un paso influye en el siguiente. Una reseña completa que produce una etiqueta de sentimiento es many-to-one; una entrada que genera una secuencia musical, one-to-many; traducción entre secuencias, many-to-many.
Las RNN simples pueden tener dificultad con dependencias largas, entre otros motivos por gradientes que se desvanecen durante el entrenamiento. LSTM añade estado de celda y compuertas de entrada, olvido y salida. Estas regulan información nueva, retenida y expuesta. Ayuda a conservar contexto, pero no garantiza recordar cualquier longitud.
Otros modelos resuelven objetivos diferentes: los autoencoders aprenden a reconstruir entradas mediante una representación; las GAN enfrentan generador y discriminador; los transformers usan atención y se estudian en el módulo siguiente. No todas las redes se entrenan exclusivamente con etiquetas humanas.
Ejemplo paso a paso
Supón una neurona con entradas x1 = 2, x2 = 3, pesos w1 = 0,5, w2 = −1 y bias 1.
- Multiplica:
2 × 0,5 = 1y3 × (−1) = −3. - Suma y añade bias:
1 − 3 + 1 = −1. - Aplica ReLU:
max(0, −1) = 0. - Durante entrenamiento, compara la salida de la red con el objetivo, calcula pérdida y ajusta los parámetros mediante gradientes.
En el ejemplo de círculos, cambia una sola variable, como cantidad de neuronas, y observa la frontera. Conserva una evaluación separada: una curva que sigue perfectamente ruido de entrenamiento puede empeorar fuera de él.
Errores frecuentes
- Atribuir a pooling el ajuste de todos los pesos de una CNN.
- Creer que backpropagation es la inferencia: es parte del cálculo usado al entrenar.
- Elegir una RNN solo porque los datos contienen números, aunque su orden no sea relevante.
- Interpretar una puntuación softmax como certeza de que la etiqueta sea correcta.
- Afirmar que una red más grande siempre es mejor o más explicable.
Ejercicio de arquitectura
Debes detectar defectos visuales en una pieza y analizar una serie temporal de vibraciones. ¿Qué familias usarías como punto de partida y qué evaluarías?
Solución
Una CNN es un punto de partida para patrones espaciales en imágenes. Para vibraciones ordenadas en el tiempo, compara un modelo de secuencia como RNN o LSTM con una alternativa sencilla. Evalúa con imágenes y periodos nuevos, evitando que muestras casi idénticas del mismo equipo aparezcan a ambos lados de la división. La arquitectura no sustituye datos representativos.
Fuentes y repaso
Revisa Deep Learning Foundations y la demostración de MLP en la ruta oficial. Sin mirar la tabla, explica qué cambia entre clasificación de imagen, detección de objetos y una secuencia de salida.