Lexicon Redes Neuronales

Capa de entrada

Definición breve

La capa de entrada es la primera capa de una red neuronal, encargada de recibir los datos iniciales y transmitirlos al resto del modelo sin realizar transformaciones complejas.

Explicación del concepto

La capa de entrada actúa como el punto de contacto entre el mundo real y la red neuronal.

Recibe los datos en su forma original, por ejemplo:

valores numéricos
vectores de características
píxeles de una imagen
tokens de texto

A diferencia de otras capas, la capa de entrada no aprende parámetros (no tiene pesos entrenables en la mayoría de los casos).

Cómo funciona

El proceso es directo:

Se reciben los datos de entrada
Cada característica se asigna a una neurona
Los valores se pasan a la siguiente capa

Representación conceptual

$x = (x_1, x_2, …, x_n)$ x=(x1,x2,…,xn)

Donde:

$x$ x es el vector de entrada
$x_1, x_2, …, x_n$ x1,x2,…,xn son las características

Características principales

no contiene aprendizaje (en la mayoría de modelos)
define la dimensión de entrada
depende del tipo de datos
conecta con la primera capa oculta

Ejemplos según el tipo de dato

1. Datos tabulares

Cada columna → una neurona

2. Imágenes

Cada píxel → valor de entrada

3. Texto

Tokens → representaciones vectoriales (embeddings)

Por qué es importante

determina la estructura del modelo
influye en el rendimiento
requiere buen preprocesamiento
afecta la calidad de las predicciones

Ejemplo conceptual

Un modelo que predice precios de casas puede recibir:

tamaño
número de habitaciones
ubicación

Cada uno se convierte en una entrada del modelo.

Ejemplo en PyTorch

			
import torch.nn as nn
model = nn.Sequential(
    nn.Linear(3, 10),  # 3 características de entrada
    nn.ReLU(),
    nn.Linear(10, 1)
)

		

Conceptos relacionados

Resumen

La capa de entrada es el punto inicial de una red neuronal, donde los datos se introducen en el modelo. Aunque no realiza cálculos complejos, es esencial para definir cómo la información fluye a través de la red.