Estructura de una Red Neuronal (Multicapa)

Descubre cómo los datos fluyen a través de las capas ocultas para resolver el XOR
1
Sesgo (B1)
0
Entrada X1
0
Entrada X2
1
Sesgo (B2)
-
Neurona H1
(Sigmoide)
-
Neurona H2
(Sigmoide)
-
Salida Final
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
W: 0.00 +
Combinación Lineal y Flujo Actual
Selecciona o evalúa una entrada para ver su flujo matemático interactivo.
Algoritmo de Retropropagación (Backpropagation)
Esperando evaluación...

Plano de Decisión Cartesiano

Visualiza los límites de decisión continuos. Haz clic izquierdo en el canvas para agregar o alternar clases (Verde = 1 / Rojo = 0). Haz clic derecho sobre un punto para eliminarlo.

Terminal de Depuración y Logs

⚡ Función de Activación: Sigmoide (Suave)

Definición Matemática: σ(z) = 1 / (1 + e-z)
Derivada (para Backpropagation): σ'(z) = σ(z) · (1 - σ(z))
La función sigmoide comprime cualquier entrada de valor real al rango (0, 1). Su suavidad y continuidad matemática permiten calcular derivadas exactas en cada neurona, lo cual es el pilar fundamental para ajustar los 9 pesos mediante el descenso de gradiente durante la retropropagación del error.
1. Entrenamiento:

2. Evaluar manualmente:
Nodo
Ecuación
Descripción detallada del nodo y su función en la red neuronal.