Lección 14 del módulo “Redes Neuronales” del curso Fundamentos de Deep Learning con Python.
Para poder aprovechar el poder de las Redes Neuronales se requiere que la función de activación usada en las diferentes neuronas sea no lineal, y aquí surgen diferentes opciones.
En esta lección veremos varios tipos de función de activación junto con sus ventajas y desventajas en el contexto del entrenamiento de las Redes Neuronales.
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, acabamos de ver las principales características, las ventajas y desventajas de las principales funciones de activación usadas en Deep Learning (como son por ejemplo la función sigmoidal, la tangente hiperbólica y la función ReLU).
A continuación, en la próxima lección, hablaremos en detalle del proceso de Entrenamiento de una Red Neuronal que involucra los procesos de forward y backward propagation (propagación hacia adelante y hacia atrás).
Todas las lecciones del curso Fundamentos de Deep Learning con Python.