Con la matriz de unos y ceros ya es posible entrenar a la red, toda la matriz tiene que ser la
entrada o patrón de entrenamiento ya que si solo tomamos filas o columnas la neurona no va
a poder distinguir las letras ya que algunas ocupan todas las filas mientras que otras no, por
ello un método posible es llevar la matriz de mxn a un vector de 1x(m*n), es decir multiplicar
el número total de filas y columnas de la matriz y convertirla en un vector de una columna y el
resultado de la multiplicación como filas del vector.
Ahora se obtiene una red monocapa de múltiples neuronas en una capa de salida que utiliza
un entrenamiento de uno contra todos, es decir todas las neuronas deben ser entrenadas con
todos los patrones de las letras o números por ejemplo si tenemos un reconocimiento de 0 a 9
existirán diez neuronas y cada neurona responderá con uno en el caso que le llegue su patrón
asignado, es por ello que para cada neurona, se debería entrenar con los diez patrones
existentes y que responda con un 1 si es el numero asignado y un cero en caso que no sea el
correcto., cuando una neurona responde con un 1 las demás deben responder con un 0.
El vector 25x1 es debido a que la matriz binarizada que se consideró de 5x5 y la salida
podemos tener 10x1 o 1x10 acorde a como se realice el algoritmo. La salida se obtendrá de la
siguiente manera:
𝑇
𝐴 = 𝑓(𝑊10𝑥25 𝑃25𝑥1 )
𝑃8𝑥1
𝑡1
𝑡2
𝑡3 , 𝑡𝑠
..
.
{ [𝑡8] }