Una Red Neuronal no supervisada (Unsupervised Neural Network en inglés) es un modelo de aprendizaje automático que se utiliza para analizar y encontrar patrones en datos no etiquetados. A diferencia de las redes neuronales supervisadas, en las que se proporciona al modelo un conjunto de datos de entrenamiento con etiquetas, en una red neuronal no supervisada el modelo tiene que aprender por sí mismo a partir de los datos.
Las redes neuronales no supervisadas se utilizan para realizar tareas de clustering (agrupamiento) y reducción de dimensionalidad. En una tarea de clustering, el objetivo es agrupar los datos en grupos o clusters que compartan características similares, sin tener conocimiento previo sobre la naturaleza de los datos. En una tarea de reducción de dimensionalidad, el objetivo es reducir la complejidad de los datos al reducir su dimensión.
Los dos tipos de redes neuronales no supervisadas más comunes son las Redes Neuronales de Kohonen y las Redes Neuronales Autoencoder. En una Red Neuronal de Kohonen, también conocida como Mapa Autoorganizado, las neuronas se organizan en un mapa bidimensional y se ajustan para agrupar los datos en regiones del mapa. En una Red Neuronal Autoencoder, el modelo se entrena para reconstruir los datos de entrada a través de una red neuronal compuesta por una capa de codificación y una capa de decodificación.
Las predicciones de GAMCO apuntan a un aumento de, al menos, un 10% en el porcentaje de la «morosidad en créditos» a particulares durante el próxi [...]
Leer más »El término Business Intelligence (o BI) define el uso de tecnologías de la información para identificar, descubrir y analizar datos comerciales, co [...]
Leer más »El Procesamiento del Lenguaje Natural o NLP analiza cómo las máquinas entienden, interpretan y procesan el lenguaje humano.
Leer más »En los anteriores artículos ("Conceptos base para construir un software comercial con inteligencia artificial" y "¿Cómo se materializan las oportun [...]
Leer más »