摘要：Las redes neuronales en muchos casos han dado buenos resultados en la aproximación de funciones en muchas aplicaciones, aun así existen muchos problemas que no se han podido resolver. La selección de funciones de activación se realiza de acuerdo con el problema y a criterio del investigador, en ocasiones por ensayo y error. Comúnmente, la función de activación logística ha sido la más frecuentemente usada trayendo buenos resultados. En la literatura no existe un criterio estándar para la selección de estas funciones de activación en las redes neuronales, ni tampoco existe una exhaustiva investigación en este tema. Es por esta razón que el objetivo principal de este articulo es obtener un criterio de selección para tres funciones de activación en una red neuronal feedforward con una capa oculta, comparando su desempeño con múltiples neuronas, para aproximar las funciones objetivo propuestas en [4] las cuales fueron diseñadas para evaluar la capacidad de regresión de modelos de redes neuronales.
其他摘要：The neural networks in many cases have given good results in the approach of functions in many applications, even so exist many problems that have not been able to solve. The selection of activation functions is made in agreement with the problem and to criterion of the investigator, sometimes by test and error. Commonly, the function of logistic activation has been more frequently used bringing good results. In Literature a standard criterion for the selection of these functions of activation in the neuronal networks does not exist, nor exists either an exhaustive investigation in this subject. It is therefore that the primary target of this I articulate is to obtain a criterion of selection for three functions of activation in a neural network feedforward with an hidden layer, comparing his performance with multiple neurons, to approximate the propose functions objective in [4] which were designed to evaluate the capacity of regression of models of neuronal networks.
关键词：Aproximación de Funciones; Función de Activación; Red Neuronal Feedforward. Approach Functions; Activation Function; Feedforward Neural Network.
