método

red neuronal profunda

Una red neuronal con múltiples capas ocultas, capaz de aprender patrones complejos a partir de datos.
31 artículos relacionados

Descripción

Una red neuronal profunda es un modelo de inteligencia artificial compuesto por múltiples capas de nodos interconectados (neuronas), donde cada capa transforma los datos de entrada en representaciones cada vez más abstractas. El término 'profunda' se refiere a las numerosas capas ocultas entre la entrada y la salida, que permiten a la red aprender características jerárquicas, desde bordes simples en imágenes hasta objetos complejos, o desde fonemas hasta frases completas en el habla.

Historia

El concepto de arquitecturas profundas se remonta a la década de 1960 con el perceptrón, pero entrenar redes profundas era poco práctico hasta los años 2000, cuando técnicas como el preentrenamiento por capas y las activaciones ReLU, junto con la computación con GPU, hicieron viable el aprendizaje profundo. La victoria de AlexNet en ImageNet en 2012 marcó la revolución moderna del aprendizaje profundo.

Cómo funciona

Cada neurona en una capa calcula una suma ponderada de sus entradas, añade un sesgo y aplica una función de activación no lineal (por ejemplo, ReLU). Durante el entrenamiento, la red ajusta estos pesos mediante retropropagación, que calcula el gradiente de una función de pérdida con respecto a cada peso y los actualiza mediante descenso de gradiente. Con suficientes datos y potencia computacional, la red aprende a minimizar los errores de predicción. La estructura jerárquica implica que las capas iniciales capturan características de bajo nivel, mientras que las capas más profundas las combinan en conceptos de alto nivel.

En la práctica

Las redes neuronales profundas se utilizan en el reconocimiento de imágenes, el procesamiento del lenguaje natural, la conducción autónoma, el diagnóstico médico y la investigación científica, desde la detección de ondas gravitacionales hasta la clasificación de galaxias.

Dato curioso

Las redes neuronales profundas pueden ser engañadas añadiendo pequeñas perturbaciones imperceptibles a las imágenes, lo que hace que clasifiquen erróneamente un panda como un gibón con alta confianza, un fenómeno conocido como ejemplos adversarios.

Concept graph →

Artículos relacionados · 29

Termostato sin termómetro: cómo la red encuentra por sí sola el punto crítico
En un edificio de nueve pisos, con mil habitaciones por planta, algunos susurran y otros gritan. Los vecinos transmiten las palabras, pero si todos hablan demasiado bajo, el mensaje se desvanece ya en el tercer piso. Si hablan demasiado alto, para cuando llega al último piso se ha convertido en un rugido ininteligible. Entre esos extremos hay un régimen en el que el susurro llega hasta el final sin distorsión.
Óptica2026-08-171 minarXiv:2608.16576exprés
Cómo la IA lee el ADN molécula a molécula
Una sola molécula de ADN, atrapada en una diminuta rendija metálica, tiembla y parpadea bajo el láser. Su señal no es una clara línea de letras, sino una mezcla caótica de destellos y sombras. Descifrar ese ruido es como entender un susurro en una sala abarrotada. La nueva red neuronal actúa como un intérprete atento.
Cómo aprende una red neuronal a leer el tapiz magnético del Sol
Cada mañana docenas de telescopios apuntan al Sol. Sus cámaras captan una angosta banda de luz roja: la línea Hα, descubierta por Johann Jakob Balmer. En las imágenes aparecen hebras oscuras, caprichosamente curvadas. Parecen puntadas de un tapiz gigante que cose la corona ardiente. Son los filamentos solares.
Sistemas y Control2026-07-151 minarXiv:2607.13387exprés
Un navegante inteligente que desconfía de sí mismo
Un programa de seguimiento común se asemeja a un navegante que guía un barco por las estrellas. Pero en cuanto el cielo se nubla, las coordenadas empiezan a desviarse y en los datos aumenta la entropía (medida de incertidumbre). El nuevo algoritmo incorpora un «copiloto»: un módulo que monitoriza el nivel de confianza del navegador principal.
Engaño sintético: cómo las imágenes falsas enseñan a la computadora a ver la verdad
Un cocinero que aprende a cocinar con dibujos corre el riesgo de arruinar cada plato. La misma trampa le espera a la visión por computadora: los modelos necesitan miles de imágenes etiquetadas, pero recopilarlas manualmente es costoso y tedioso. Las imágenes sintéticas resuelven el problema, solo si se ven realistas.
La red neuronal descubre las pasas en la superaleación
Los ingenieros crean una aleación para concentradores solares añadiendo partículas duras, como pasas en la masa, para que mantenga su forma bajo un calor extremo. Si las pasas son demasiado grandes, el material se agrieta. Antes, los científicos las contaban manualmente en imágenes de microscopio.
Galaxias2026-06-151 minarXiv:2606.16507exprés
Una red neuronal dibujó mapas de 639 mil galaxias
Un editor de fotos común resalta objetos en una imagen. La red neuronal ZooBot:3D trabaja con galaxias lejanas galaxias como un cartógrafo que dibuja el mapa de una tierra desconocida.
Cómo enseñar a una red neuronal a leer moléculas de un vistazo
Buscar la molécula adecuada entre miles de millones de opciones es como buscar un grano de arroz en un saco lleno. Para no revisarlo todo a mano, los químicos recurren cada vez más a las redes neuronales. Pero los modelos grandes requieren ordenadores potentes, y a los pequeños a menudo les falta visión de conjunto.
Compilamos una vez, diferenciamos en todas partes
El intérprete está en la sala de reuniones y traduce cada palabra. Pero de repente se da cuenta de que puede mejorar su traducción si aprende de sus errores. Empieza a anotar qué frases causaron malentendidos y las corrige. Al cabo de una hora, su traducción es más precisa y la reunión avanza más rápido.
El gemelo pesado del Higgs se esconde en cuatro chorros
En lo profundo del detector del Gran Colisionador de Hadrones chocan protones y, por un instante, nace algo pesado. Se desintegra al instante en dos bosones de Higgs, partículas que, como muñecas rusas, esconden en su interior dos pares de quarks b.
Un detector de neutrinos aprende a escuchar susurros
Un fotógrafo fotografía un bosque nocturno e intenta capturar luciérnagas en el encuadre. Los destellos son raros, débiles, y alrededor hay ruido del viento y luces lejanas. Así funciona aproximadamente el enorme detector Hyper-Kamiokande en Japón: captura neutrinos —partículas casi intangibles— mediante diminutos destellos de luz en 260 mil toneladas de agua.
Física Médica2026-05-231 minarXiv:2605.24609exprés
Cómo una red neuronal detecta fallos en imágenes de resonancia magnética
Un corrector revisa el manuscrito antes de imprimirlo. No conoce todos los errores posibles, pero recuerda perfectamente cómo se ve un texto impecable. Al ver un símbolo extraño o una palabra borrosa, lo rodea al instante con rojo. Más o menos así funciona el nuevo programa para revisar imágenes médicas.
Computadora química en un tubo de ensayo
En un tubo de ensayo flotan moléculas. Su cantidad —digamos, la concentración de alguna proteína— se convierte en la señal de entrada. Y a la salida no se necesita solo una solución turbia, sino una respuesta clara tipo 'sí' o 'no'. Los autores del trabajo construyen una cadena química que hace exactamente esto.
Óptica2026-05-023 minarXiv:2605.01306exprés
Cómo ver un gas invisible: láser y aprendizaje automático
Cien personas hablan a la vez en una sala grande. Intentas escuchar a una, pero las voces se mezclan, algunas susurran y ni siquiera sospechas que existen otras. Así se siente un analizador de gas láser común cuando decenas de sustancias se mezclan en una cámara de combustión o en una tubería de fábrica.
Física Médica2026-04-282 minarXiv:2604.25356exprés
Detective de rayos X sin chuletas
Un batido de frutas se prueba con dos pajitas diferentes. Una deja pasar solo los trozos grandes, la otra solo el líquido. Por separado, las sensaciones engañan, pero juntas dan la clave: aquí parece plátano, y aquí, fresa.
Presión arterial en un chip diminuto
Los relojes de pulsera miden el pulso con luz: un LED ilumina la piel y un sensor capta la señal reflejada. Las variaciones de esa señal permiten estimar la presión arterial, pero un cálculo preciso requiere una red neuronal potente, que normalmente opera en la nube, y los datos salen del dispositivo.
Quarks pesados en una sopa caliente
En las colisiones de núcleos pesados en los colisionadores se genera plasma de quarks y gluones, un estado de la materia en el que los quarks y los gluones están libres, como el agua en el vapor. Los quarks pesados, como los quarks b, al entrar en este plasma pierden energía y sus estados ligados, los bottomonios, se destruyen.
Materiales2026-04-011 minarXiv:2604.00483exprés
Pronóstico del tiempo con una sola tarjeta gráfica
Pronosticar el tiempo es como intentar predecir hacia dónde rodará una piedra por una ladera, conociendo la forma de cada bulto y la fuerza del viento. Si te equivocas al principio, en una semana el error se convierte en toda una tormenta. Antes, para hacer pronósticos precisos se necesitaban enormes computadoras y cálculos de varios días.
Geofísica2026-03-161 minarXiv:2603.14844exprés
El océano escucha a través de la fibra óptica
En el fondo del océano yacen miles de kilómetros de cables de fibra óptica. Por ellos circula internet, pero los propios cables perciben las mínimas vibraciones del agua y del lecho marino. Si uno presta atención a un cable así, puede oír cómo canta la ballena azul o cómo tiembla la tierra a miles de kilómetros.
Aprendiendo de muchos cerebros
Un modelo típico de aprendizaje automático observa un objeto a la vez: un cerebro, un paciente, un motor. Pero los biólogos necesitan lo general: cómo está organizado el cerebro de una especie en su conjunto, no solo el de un pez concreto.
El detector que no se cansa
El detector de partículas del Gran Colisionador de Hadrones funciona durante años sin detenerse. Sus sensores generan montañas de datos cada segundo, y entre ellos hay que notar rápidamente una avería, como un sobrecalentamiento o un canal roto. Antes se usaban reglas simples para vigilarlo, pero a menudo fallaban.
Física Aplicada2026-03-012 minarXiv:2603.00995exprés
La antena crece en volumen
Dos faroles en una orilla lejana, de noche, se funden en una sola mancha de luz. Así, una antena plana común no puede distinguir dos radiotransmisores demasiado cercanos entre sí: sus señales se mezclan y el receptor solo ve una mezcolanza. Los ingenieros encontraron la solución: hicieron la antena no plana, sino como una pila de láminas transparentes.
La inteligencia artificial lee el electrocardiograma sin descanso
El electrocardiograma es como una cinta larga en la que el corazón deja su caligrafía. El médico la examina para detectar fallos del ritmo, pero cuando el registro dura varios días, la cinta se extiende por kilómetros. El ojo se cansa, la atención se dispersa y las alteraciones raras pero peligrosas pueden pasar desapercibidas.
Altas Energías2026-01-262 minarXiv:2601.18139exprés
Cómo una red neuronal distingue agujeros negros de estrellas de neutrones
Un telescopio de rayos X en órbita registró durante años cómo brillan los sistemas binarios donde una estrella normal orbita un agujero negro o una estrella de neutrones. La materia de la compañera cae sobre el objeto compacto, se calienta a millones de grados y emite rayos X.
Física Química2026-01-181 minarXiv:2601.12268exprés
Cómo se reconocen las moléculas sin pistas
Cuando una molécula invitada entra en una molécula anfitriona, se parece a una llave entrando en una cerradura. Pero las moléculas no tienen una forma rígida: se doblan ligeramente, las cargas de su superficie se atraen o se repelen, y era muy difícil adivinar cómo se unirían exactamente. El programa DeepHostGuest aprende de miles de pares anfitrión-huésped ya conocidos.
Conexiones densas frente a residuales: cómo DenseNet-121 supera a ResNet-50 en la detección del cáncer cerebral
El grosor de un corte de tejido cerebral es de solo 5 micras, veinte veces más delgado que un cabello humano. En ese corte, el patólogo busca signos de tumor: formas nucleares alteradas, apiñamiento celular, vasos anómalos. Es una labor minuciosa, y dos especialistas pueden discrepar sobre la misma imagen.
Una red neuronal aprende la amplitud de la espuma de espines
En 2008, un grupo de físicos dedicó meses de tiempo de supercomputación para calcular una única magnitud en la teoría de la gravedad cuántica.