Redes Neuronales Artificiales: Fundamentos Matematicos y Algoritmos de Optimizacion 

Las redes neuronales artificiales son modelos de machine learning inspirados en la arquitectura funcional del cerebro humano, diseñados para resolver problemas complejos mediante estructuras jerárquicas de nodos interconectados organizados en capas. Su aplicabilidad se extiende a múltiples disciplinas, como las ciencias, la ingeniería, la tecnología y áreas afines, gracias a su capacidad para aprender representaciones complejas de datos mediante la optimización de funciones objetivo.

En esta charla, se abordarán las características fundamentales de estos modelos, incluidas las bases matemáticas subyacentes, tales como las funciones de activaci ́on no lineales, el proceso de optimización basado en gradientes y la minimización de la función de error a través de retropropagación (backpropagation). También analizaremos las redes neuronales convolucionales, un modelo emblemático en el área de visión computacional, destacando su estructura y relevancia en la resolución de problemas visuales.