HERRAMIENTAS DE DEEP LEARNING. ARQUITECTURAS DE REDES NEURONALES. EJEMPLOS CON MATLAB

El Deep Learning (aprendizaje profundo) es un tipo del aprendizaje automático basado en redes neuronales artificiales. El proceso de este aprendizaje se llama profundo porque estas estructuras de redes consisten en tener múltiples entradas, salidas y capas ocultas. Cada capa contiene unidades que transforman los datos de entrada en información, y de esta forma, la siguiente capa puede utilizarlos para una determinada tarea predictiva. De esta forma, una máquina puede aprender mediante su propio procesamiento de datos.

MATLAB cuenta con la herramienta Neural Network Toolbox (Deep Leraning Toolbox a partir de la versión 18) que proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar clasificación, regresión, agrupamiento, reducción de dimensionalidad, pronóstico de series de tiempo y modelado y control de sistemas dinámicos. La caja de herramientas incluye redes neuronales convolucionales y algoritmos de aprendizaje profundo con codificador automático para clasificación de imágenes y tareas de aprendizaje de características. Para acelerar el entrenamiento de grandes conjuntos de datos, puede distribuir cálculos y datos entre procesadores multinúcleo, GPU y clústeres de computadoras utilizando Parallel Computing Toolbox.

Este libro profundiza en las arquitecturas de redes neuronales utilizadas en el aprendizaje profundo, así como en sus aplicaciones.