Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12161Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | MAJALCA MARTÍNEZ, RICARDO | - |
| dc.creator | MAJALCA MARTÍNEZ, RICARDO#MAMR710915HCHJRC02 | - |
| dc.date.accessioned | 2026-02-23T14:48:33Z | - |
| dc.date.available | 2026-02-23T14:48:33Z | - |
| dc.date.issued | 2026-01-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/12161 | - |
| dc.description | Una red MultiLayered Perceptron (Multi-Layered Perceptron), es una red neuronal muy popular incluso actualmente luego de décadas de haber sido propuesta, luego de que nuevos paradigmas de máquinas que aprenden siguen surgiendo con el paso de los años. Una razón de esto es que la red MLP tiene una capacidad casi infinita de adaptarse a cualquier problema que le sea asignado [1]. La red MLP es aún hoy una red neuronal muy aplicada en una gran variedad de problemas, desde predicción de valores hasta clasificación de patrones. Las redes MLP tienen toda una filosofía detrás de ellas en cuanto a como una máquina que aprende debe organizarse y lo más importante, cómo debe aprender. Su descubrimiento fue el parte aguas de la investigación en redes neuronales a partir de mediados de la década de 1980 y ha dado lugar a un sin fin de investigaciones acerca de la mejora de estos esquemas, no pocas veces resultando en nuevas formas de redes neuronales y sus correspondientes métodos de aprendizaje sin que esto signifique que la original red MLP pierda popularidad y atención. Sin embargo dos aspectos concernientes a la organización de la red MLP quedan aún abiertos, por un lado la cantidad de capas ocultas que una red MLP debe poseer y por otro, la cantidad de neuronas en cada una de esas capas ocultas [2]. El correcto desempeño de una red MLP tiene una relación muy directa con la correcta respuesta que estas dos aspectos de diseño a resolver. Una red neuronal es útil en tanto su desempeño sea adecuado. Una red MLP pobremente diseñada tiene un desempeño inadecuado, por no decir que resulta inútil del todo [3]. La Figura 1.1 a continuación es una representación gráfica acerca del concepto de cantidad de capas ocultas, y de la cantidad de neuronas en cada capa oculta. En la Figura 1.1 el concepto de total de capas ocultas aparece remarcado en un rectángulo con bordes rojos, en tanto que el concepto de total de neuronas en cada capa oculta aparece en un recuadro con bordes verdes alrededor de cada capa oculta. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | OBTENCIÓN DE LA CANTIDAD DE NEURONAS EN LA CAPA OCULTA DE CLASIFICADORES MULTICATEGORÍA MLP | es_MX |
| dc.title | OBTENCIÓN DE LA CANTIDAD DE NEURONAS EN LA CAPA OCULTA DE CLASIFICADORES MULTICATEGORÍA MLP. | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | ACOSTA CANO DE LOS RIOS, PEDRO RAFAEL#AOCP5801071C9 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Chihuahua | es_MX |
| Appears in Collections: | Doctorado en Ciencias en Ingeniería Electrónica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis Majalca Martinez Ricardo.pdf | 57.42 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
