Informe Redes Multicapa

INSTITUTO SUPERIOR TECNOLOGICO
“VICENTE LEON”
FUNDAMENTOS DE REDES Y CONECTIVIDAD
Nombres: Luis Danilo Quinaluisa Garzón
Ana Lucia Lema Paste
Fecha: Lunes 16 enero del 2022
Nivel: Quinto
Informe No 1
Tema: Redes Multicapa o Multi-layered Networking
Objetivo General:
Conocer Multi-layered Networking o redes “multicapa” conceptos y su respectivo

funcionamiento para tener más conocimiento y que nos ayudaran en la materia de redes.
Objetivo Específicos:
 Conocer la arquitectura del perceptrón multicapa.
 Analizar, identificar y determinar los patrones requeridos.
 Investigar y conocer el funcionamiento de las redes multicapa.
Desarrollo:
El concepto de Multi-layered Networking o redes “multicapa” es un nuevo planteamiento de

arquitectura que ha surgido en los últimos años, a medida que las redes se han hecho más
complejas y distribuidas. Esta nueva manera de concebir las arquitecturas de red supera el
concepto binario tradicional hardware/software, y pasa a considerar la infraestructura de red
de una manera integral y holística, incorporando también la nube y los entornos de
conectividad remotos o distribuidos.
Las Redes Neuronales Artificiales (RN A) son sistemas de procesamiento de información que
funcionan de manera similar a las redes neuronales biológicas. Estas redes tienen en común
con el cerebro humano la distribución de las operaciones a realizar en una serie de elementos
básicos que, por analogía con los sistemas biológicos, se denominan neuronas artificiales; las
cuales están relacionadas entre sí, mediante una serie de conexiones que se conocen como
pesos sinápticos. En las RNA supervisadas, estos pesos y conexiones varían mediante un
proceso, usualmente iterativo, conocido como aprendizaje o entrenamiento de la red en el
cual, está inmersa una función error que depende explícitamente de los pesos sinápticos y
proporciona el error que comete la red. Matemáticamente, el proceso de aprendizaje consiste
en encontrar un vector (una configuración de pesos) que minimice dicha función error. Esto
conduce a un problema de minimización, más exactamente, un problema de mínimos
cuadrados no lineales.
Este planteamiento es esencial para dar respuesta a las necesidades de conectividad de las
organizaciones de hoy día, altamente complejas y distribuidas, como son una gran capacidad
de escalar, conocer a los usuarios dondequiera que estén y ofrecer una experiencia de uso
centrada en el usuario y sus necesidades. Romper con esta perspectiva binaria y darse cuenta
de que la tecnología de red es mucho más poderosa y flexible será la clave del éxito de las
empresas en 2022 y más allá.
En el futuro, las redes seguirán volviéndose más intrincadas y complejas, con muchas más
partes que ahora componen el todo. Por lo tanto, las empresas deben reflexionar sobre su
infraestructura de la misma manera, como un todo.
El perceptrón multicapa es una red neuronal artificial (RNA) formada por múltiples capas,

de tal manera que tiene capacidad para resolver problemas que no son linealmente separables,
lo cual es la principal limitación del perceptrón (también llamado perceptrón simple). El
perceptrón multicapa puede estar totalmente o localmente conectado. En el primer caso cada
salida de una neurona de la capa "i" es entrada de todas las neuronas de la capa "i+1",
mientras que en el segundo cada neurona de la capa "i" es entrada de una serie de neuronas
(región) de la capa "i+1".
El perceptrón multicapa evoluciona el perceptrón simple y para ello incorpora capas de
neuronas ocultas, con esto consigue representar funciones no lineales.
El perceptrón multicapa está compuesto por por una capa de entrada, una capa de salida y n
capas ocultas entremedias.
Se caracteriza por tener salidas disjuntas pero relacionadas entre sí, de tal manera que la
salida de una neurona es la entrada de la siguiente.
En el perceptrón multicapa se pueden diferenciar unas 2 fases:
 Propagación en la que se calcula el resultado de salida de la red desde los valores
de entrada hacia delante.
 Aprendizaje en la que los errores obtenidos a la salida del perceptrón se van
propagando hacia atrás (backpropagation) con el objetivo de modificar los pesos de
las conexiones para que el valor estimado de la red se asemeje cada vez más al real,
esta aproximación se realiza mediante la función gradriente del error.
Tipos
Las capas pueden clasificarse en tres tipos:
 Capa de entrada: Constituida por aquellas neuronas que introducen los patrones
de entrada en la red. En estas neuronas no se produce procesamiento.
 Capas ocultas: Formada por aquellas neuronas cuyas entradas provienen de capas
anteriores y cuyas salidas pasan a neuronas de capas posteriores.
 Capa de salida: Neuronas cuyos valores de salida se corresponden con las salidas
de toda la red.
Arquitectura:
Ventajas del perceptrón multicapa:

 Es capaz de crear modelos no lineales
 Puede entrenar un modelo en tiempo real haciendo uso del método partial_fit, que
actualiza el modelo con una única iteración con los datos que se incluyan como
argumentos.
Desventajas:
 Los perceptrones multicapa tienen una función de pérdida en general no convexa con
más de un mínimo local, por lo que los valores aleatorios inicialmente asignados a los
pesos de los enlaces entre neuronas pueden llevar a modelos con diferente precisión.
 Es necesario ajustar hiperparámetros como el número de capas ocultas, funciones de
activación, número de iteraciones, solver (optimizador) y número de neuronas por
capa
 Son muy sensibles a la escala de los datos, por lo que resulta conveniente
transformarlos de forma que todas las características tengan una escala semejante, por
ejemplo, escalándolas al rango [0, 1] o a [-1, 1], o estandarizándolas de forma que
todas tengan un mismo valor medio e idéntica desviación estándar.
Conclusiónes:
 El concepto de red multicapa es un nuevo planteamiento de arquitectura que ha

surgido en los últimos años.
 El perceptrón multicapa puede estar totalmente o localmente conectado.
 Romper con esta perspectiva binaria y darse cuenta de que la tecnología de red es
mucho más poderosa y flexible será la clave del éxito de las empresas.
Referencias bibliográficas:
https://www.diegocalvo.es/perceptron-multicapa/
https://itnews.lat/seis-tendencias-en-el-mercado-del-networking-que-se-impondr-n-en-
2022.html
https://es.wikipedia.org/wiki/Perceptr%C3%B3n_multicapa

Informe Redes Multicapa

Cargado por

Copyright:

Formatos disponibles

Informe Redes Multicapa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe Redes Multicapa

Cargado por

Copyright:

Formatos disponibles

INSTITUTO SUPERIOR TECNOLOGICO

FUNDAMENTOS DE REDES Y CONECTIVIDAD

Nombres: Luis Danilo Quinaluisa Garzón

Ana Lucia Lema Paste

Fecha: Lunes 16 enero del 2022

Tema: Redes Multicapa o Multi-layered Networking

Conocer Multi-layered Networking o redes “multicapa” conceptos y su respectivo

 Conocer la arquitectura del perceptrón multicapa.

 Analizar, identificar y determinar los patrones requeridos.

 Investigar y conocer el funcionamiento de las redes multicapa.

El concepto de Multi-layered Networking o redes “multicapa” es un nuevo planteamiento de

El perceptrón multicapa es una red neuronal artificial (RNA) formada por múltiples capas,

Las capas pueden clasificarse en tres tipos:

Ventajas del perceptrón multicapa:

 El concepto de red multicapa es un nuevo planteamiento de arquitectura que ha

También podría gustarte