# Redes neuronales

## Como se clasificaria con 2 caract y 3 clases


En el centro se vera lo siguiente: se hace algo o lineal


Sigma es la funcion sigmoide, por ejemplo

Se concentra en la parte central, mientras que los parametros se encuentran minimizando una funcion de perdida, por ej

El y train ahora es una matriz

**Reg logistica**: entrega linea recta


Cada nodo del centro tiene asociado func no lineal y valor de bias
Cada flecha azul que entra al nodo tiene asociado u npero
se conectan todos los nodos de una capa con todos los de la sioguiente

## Decisiones
Ciado se diseña uan RRNN se debe decidir la funcion no lineal y el numero de capas ocultas y el numero de nodos de las capas ocultas

## Entrenamiento

Cuando se entrena una red se debe estimar todos los pesos y bias de tal forma que la salida real sea los mas parecida a la salida ideal



Mas parametros no necesariamente es mejor

---

b1 tiene 9 elementos

## Forward propagation

los datos se van pasando hacia adelante


## Training

Minimizacion usando metodos de grtadiente


No asegura encontrar minimo global

3. Se sacan derivadas parciales
4. Se actualizan los parametros con un learning rate de alpha