Capa de activación de Rectified Linear Unit (ReLU). Los valores negativos del input se convierten en 0. Los valores no negativos permanecen igual. More...

Classes
class	Adam
	Optimizador Adam (Adaptive Moment Estimation). Combina momentum y RMSProp para un aprendizaje más estable y rápido. More...
class	BCELoss
	Función de pérdida Binary Cross Entropy (entropía cruzada binaria). Usada típicamente en clasificación binaria. More...
struct	BSpline
class	CrossEntropyLoss
	Función de pérdida Cross Entropy para clasificación multiclase. Requiere que las etiquetas verdaderas estén codificadas one-hot. More...
class	Dense
struct	ILayer
	Interfaz para una capa de la red neuronal. Permite que distintas capas se conecten entre sí con polimorfismo. More...
struct	ILoss
	Interfaz para una función de pérdida (loss). Se encarga de calcular qué tan mal lo hizo la red con respecto a los resultados reales y obtener el gradiente necesario para ajustar los parámetros. More...
struct	IOptimizer
	Interfaz para definir un optimizador (ej. SGD, Adam, ...). Un optimizador se encarga de actualizar los parámetros entrenables (como pesos y biases) en base a los gradientes. More...
class	Kan
class	LayerRegistry
	Registro de tipos de capas para deserialización. More...
class	MSELoss
	Función de pérdida MSE (Error Cuadrático Medio). Mide el promedio de los cuadrados de las diferencias entre las predicciones y los valores reales. Es común en tareas de regresión. More...
class	NeuralNetwork
	Clase que representa una red neuronal completamente conectada. More...
class	ReLU
class	SGD
	Optimizador Stochastic Gradient Descent (SGD). Actualiza los parámetros en dirección opuesta al gradiente multiplicado por el learning rate. More...
class	Sigmoid
	Capa de activación Sigmoid. Convierte cada valor en el rango (0, 1) abierto usando la función logística. No tiene parámetros entrenables. More...
class	Softmax
	Capa de activación Softmax. Convierte un vector de valores en probabilidades las cualesal ser sumadas resultan en 1. Se aplica por fila (una muestra a la vez). No tiene parámetros entrenables. More...

Enumerations
enum class	LayerId : uint8_t { ReLU = 0 , Sigmoid = 1 , Dense = 2 , Softmax = 3 , Kan = 4 }
	Identificador para los diferentes tipos de capas en la red neuronal. Se emplea uint8_t (unsigned 8-bit int, valores de 0-255) para ahorrar memoria. More...

Functions
template<typename T>
void	register_all_layers ()
	Registra todas las capas disponibles en el sistema. Llamado al inicio del programa para asegurar que todos los tipos de capas estén disponibles al deserializar una red neuronal. Capas sin parámetros (ej. ReLU, Softmax) se crean directamente. Capas parametrizadas (ej. Dense) leen sus parámetros del flujo de entrada.

Variables
constexpr std::uint8_t	FORMAT_CURRENT_VERSION = 1
	Versión actual del formato .pp20 (Profe Pónganos 20).

Detailed Description

Capa de activación de Rectified Linear Unit (ReLU). Los valores negativos del input se convierten en 0. Los valores no negativos permanecen igual.

Capa totalmente conectada (o Dense Layer) de una red neuronal. Cada neurona de esta capa se conecta con todas las salidas de la capa anterior. Esta capa tiene pesos y biases como parámetros entrenables.

Template Parameters

T	Tipo de dato (usualmente float o double).

Enumeration Type Documentation

◆ LayerId

enum class utec::neural_network::LayerId : uint8_t

strong

Identificador para los diferentes tipos de capas en la red neuronal. Se emplea uint8_t (unsigned 8-bit int, valores de 0-255) para ahorrar memoria.

Enumerator
ReLU
Sigmoid
Dense
Softmax
Kan

Function Documentation

◆ register_all_layers()

template<typename T>

void utec::neural_network::register_all_layers ( )

Registra todas las capas disponibles en el sistema. Llamado al inicio del programa para asegurar que todos los tipos de capas estén disponibles al deserializar una red neuronal. Capas sin parámetros (ej. ReLU, Softmax) se crean directamente. Capas parametrizadas (ej. Dense) leen sus parámetros del flujo de entrada.

Template Parameters

T	Tipo de dato utilizado por las capas (float, double, etc.).

Here is the call graph for this function:

Here is the caller graph for this function:

Variable Documentation

◆ FORMAT_CURRENT_VERSION

std::uint8_t utec::neural_network::FORMAT_CURRENT_VERSION = 1

constexpr

Versión actual del formato .pp20 (Profe Pónganos 20).

Classes

Enumerations

Functions