El Descenso del Gradiente

La salida de lafunción de TANH:

• un valor: 0 ó 1

• rango entre 0 y 1

• rango entre -1 y 1

• rango entre 0 a Infinito

La salida de la función de activación escalonada:

• un valor: 0 ó 1

• rango entre 0 y 1

• rango entre -1 y 1

• rango entre 0 a Infinito

La salida de la función de RELU:

• un valor: 0 ó 1

• rango entre 0 y 1

• rango entre -1 y 1

• rango entre 0 a Infinito

La salida de la función de activación sigmoide:

• un valor: 0 ó 1

• rango entre 0 y 1

• rango entre -1 y 1

• rango entre 0 a Infinito

En el contexto de redes neuronales, backpropagation es un algoritmo utilizado para entrenar la red mediante la propagación del error desde

• la capa de salida hacia las capas ocultas.

• la capa de ocultas hacia las capas salidas.

Durante el proceso de backpropagation, se ajustan los ______?? de la red neuronal para minimizar la función de error.

• Pesos y error

• Error y Sesgos

• Pesos y Sesgos

• Costos y error

¿Qué función matemática es utilizada comúnmente para calcular el error en el proceso de backpropagation?

• Función Optimizer

• Función de Costos

• Epochs

• Batch_Size

El algoritmo de backpropagation utiliza el descenso del gradiente para actualizar los pesos de la red neuronal.

• Verdadero

• Falso

¿Cuál es el propósito principal de la fase de propagación hacia atrás (backward pass) en el algoritmo de backpropagation?

• Calcular la salida de la red neuronal

• Actualizar los pesos de la red neuronal

• Evaluar la precisión de la red neuronal

• Propagar el error desde la capa de salida hacia las capas ocultas

En el algoritmo de backpropagation, la tasa de aprendizaje controla la magnitud de los ajustes realizados en los pesos de la red neuronal durante cada iteración del entrenamiento.

• Verdadero

• Falso