Simulación del Perceptrón

Explicación del Perceptrón con Entrenamiento Visual y Puntos de Prueba

¿Qué es un Perceptrón?

Un perceptrón es el tipo más simple de red neuronal artificial y es la base de muchas redes neuronales más complejas. Fue desarrollado en 1958 por Frank Rosenblatt. Un perceptrón toma múltiples entradas, las pondera (multiplica cada una por un peso), las suma y aplica una función de activación para generar una salida.

Componentes del Perceptrón

• Entradas (Inputs): Los valores que se alimentan al perceptrón. En la simulación, estos son Input 1 y Input 2.
• Pesos (Weights): Cada entrada se multiplica por un peso, que determina la importancia de esa entrada en la decisión final.
• Sesgo (Bias): Un valor adicional que se añade a la suma ponderada para ajustar el resultado de la función de activación.
• Función de Activación: Una función que toma la suma ponderada y decide la salida del perceptrón. En esta simulación, usamos una función de activación de paso (step function):

  Salida =
     | 1, si la suma ponderada >= 0
     | 0, si la suma ponderada < 0
              

Proceso de Entrenamiento

1. Inicialización: Los pesos y el sesgo se inicializan con valores aleatorios.
2. Ciclo de Entrenamiento Gradual: Utilizamos setInterval para realizar el entrenamiento de manera gradual, permitiendo que el usuario vea cómo los pesos se ajustan con el tiempo.
3. Ajuste de Pesos y Sesgo: Durante cada ciclo de actualización:
   1. Cálculo de la Suma Ponderada:

      Suma ponderada = (Input 1 x Peso 1) + (Input 2 x Peso 2) + Sesgo

   2. Aplicación de la Función de Activación:

      Salida =
         | 1, si la suma ponderada >= 0
         | 0, si la suma ponderada < 0
                          

   3. Ajuste de Pesos y Sesgo:

      Error = Salida deseada - Salida predicha
      
      Peso 1 += Tasa de aprendizaje x Error x Input 1
      Peso 2 += Tasa de aprendizaje x Error x Input 2
      Sesgo += Tasa de aprendizaje x Error
                          

Visualización

• La línea de decisión se actualiza gradualmente en el gráfico durante el proceso de entrenamiento.
• Los puntos de prueba se pueden agregar al gráfico, mostrando su salida y ubicación en el gráfico.

Salida del Entrenamiento

La salida del entrenamiento muestra los detalles de cada época, incluidos los valores de entrada, los pesos, el sesgo, la Salida Predicha, la Salida Esperada y el error. Una línea separadora se añade después de cada época para mayor claridad.