Tema 2: Interpretación matemática de una red neuronal
Grado en Ciencia e Ingenierı́a de Datos (Universidad de Oviedo)
Pablo González, Pablo Pérez
{gonzalezgpablo, pabloperez}@uniovi.es
Centro de Inteligencia Artificial, Gijón
Tema 2: Interpretación matemática de una red neuronal 1 / 15
Datos de entrada
Dosis Efecto
0.01 0
0.1 0
0.2 0
0.4 1
0.45 1
0.5 1
0.6 1
0.8 0
0.9 0
1.0 0
Table: Relación entre la dosis aplicada al paciente y su efecto
Tema 2: Interpretación matemática de una red neuronal 2 / 15
Datos de entrada
Tema 2: Interpretación matemática de una red neuronal 3 / 15
Datos de entrada
Digamos que queremos entrenar un modelo con estos datos de entrada.
Este modelo deberá ser no lineal.
Una pequeña red neuronal podrı́a ser suficiente para resolver este
problema.
Tema 2: Interpretación matemática de una red neuronal 4 / 15
Red neuronal
La función de activación a utilizar después de la capa oculta será:
softplus = log(e x + 1)
Tema 2: Interpretación matemática de una red neuronal 5 / 15
Red neuronal (pesos)
Supongamos que ya conocemos los pesos de la red neuronal (los
aprenderemos al entrenar):
Tema 2: Interpretación matemática de una red neuronal 6 / 15
Función de activación softplus
Tu turno: Dibuja la función de activación softplus en el intervalo [-10, 10]
softplus = log(e x + 1)
Tema 2: Interpretación matemática de una red neuronal 7 / 15
Función de activación softplus
Tu turno: Dibuja la función de activación softplus en el intervalo [-10, 10]
softplus = log(e x + 1)
Tema 2: Interpretación matemática de una red neuronal 7 / 15
Activación h1
Tu turno: escribe la ecuación para obtener la activación de la red en h1 .
Tema 2: Interpretación matemática de una red neuronal 8 / 15
Activación h1
Tu turno: escribe la ecuación para obtener la activación de la red en h1 .
h1 = log (e −13.8x+6.36 + 1)
Tema 2: Interpretación matemática de una red neuronal 8 / 15
Activación h1
Si dibujamos la función h1 = log (e −13.8x+6.36 + 1) en [0,1]:
Tema 2: Interpretación matemática de una red neuronal 9 / 15
Activación h1
Si dibujamos la función h1 = log (e −13.8x+6.36 + 1) en [0,1]:
Tema 2: Interpretación matemática de una red neuronal 9 / 15
Activación h2
Tu turno: escribe la ecuación para obtener la activación de la red en h2 .
Tema 2: Interpretación matemática de una red neuronal 10 / 15
Activación h2
Tu turno: escribe la ecuación para obtener la activación de la red en h2 .
h2 = log (e −5.72x+2.15 + 1)
Tema 2: Interpretación matemática de una red neuronal 10 / 15
Activación h2
Si dibujamos la función h2 = log (e −5.72x+2.15 + 1) en [0,1]:
Tema 2: Interpretación matemática de una red neuronal 11 / 15
Activación h2
Si dibujamos la función h2 = log (e −5.72x+2.15 + 1) en [0,1]:
Tema 2: Interpretación matemática de una red neuronal 11 / 15
Activaciones h1 y h2
Tema 2: Interpretación matemática de una red neuronal 12 / 15
Activación y
Tu turno: escribe la ecuación para obtener la salida de la red a partir de h1
y h2 .
Tema 2: Interpretación matemática de una red neuronal 13 / 15
Activación y
Tu turno: escribe la ecuación para obtener la salida de la red a partir de h1
y h2 .
y = −1.91h1 + 5.49h2 − 0.25
Tema 2: Interpretación matemática de una red neuronal 13 / 15
Salida de la red
Tema 2: Interpretación matemática de una red neuronal 14 / 15
Salida de la red
Tema 2: Interpretación matemática de una red neuronal 15 / 15
