Anda di halaman 1dari 1

Aprendizaje supervisado.

En el aprendizaje supervisado (aprender con un maestro), la


adaptacin sucede cuando el sistema compara directamente la
salida que proporciona la red con la salida que se deseara obtener
de dicha red.
Existen tres tipos bsicos: por correccin de error, por refuerzo y
estocstico.
En el aprendizaje por correccin de error el entrenamiento consiste
en presentar al sistema un conjunto de pares de datos,
representando la entrada y la salida deseada para dicha entrada
(este conjunto recibe el nombre de conjunto de entrenamiento). El
objetivo es minimizar el error entre la salida deseada y la salida que
se obtiene.
El aprendizaje por refuerzo es ms lento que el anterior. No se
dispone de un ejemplo completo del comportamiento deseado pues
no se conoce la salida deseada exacta para cada entrada sino que
se conoce el comportamiento de manera general para diferentes
entradas. La relacin entrada-salida se realiza a travs de un
proceso de xito o fracaso, produciendo este una seal de refuerzo
que mide el buen funcionamiento del sistema. La funcin del
supervisor es ms la de un crtico que la de un maestro.
El aprendizaje estocstico consiste bsicamente en realizar
cambios aleatorios de los valores de los pesos y evaluar su efecto a
partir del objetivo deseado.