🧠 RED NEURONAL ARTIFICIAL

Materia: Inteligencia Artificial
Práctica: Diseño de una RNA para determinar si una persona es TÓXICA
Basado en el modelo del pizarrón | 25 entradas | Escala Likert | Umbral 50%

📐 1. MODELO TEÓRICO RNA (basado en el pizarrón)

VECTOR DE ENTRADAS
I = {x₁, x₂, x₃, ... x₂₅}
xᵢ = respuesta a pregunta i
SUMATORIA PONDERADA (Neurona Σ)
Σ xᵢwᵢ = x₁w₁ + x₂w₂ + x₃w₃
+ x₄w₄ + ... + x₂₅w₂₅
FUNCIÓN DE ACTIVACIÓN f(x)
f(x) = Σ / n
donde n = 25 (nº de preguntas)
SALIDA / OUTPUT ŷ
f(r) = f(x) × 100
Umbral: f(r) > 50% → TÓXICO

* Igual que en el ejemplo del pizarrón: f(x) = 0.7 → f(r) = 0.7 × 100 = 70%
* Modelo RN: I={x₀,x₁,...x₁₀} | f(x)={x, max(x), min(x), Df(x)/dx...} | f(t)={z, R, N₀} | S(x)={x,...}

⚖️ 2. ESCALA LIKERT → PESOS (W) — Estándares Dikep

0%
Nunca
W₁ = 0
25%
A veces
W₂ = 0.25
50%
Frecuentemente
W₃ = 0.50
75%
Casi siempre
W₄ = 0.75
100%
Siempre
W₅ = 1

* Preguntas con indicador TÓXICO (🔴): el peso se aplica DIRECTO (más frecuencia = más toxicidad).
* Preguntas con indicador POSITIVO (🟢): el peso se INVIERTE: w_final = 1 - w (más frecuencia = menos toxicidad).
* Rango salida: del 0 al 10 → valoración del 0 al 100% (como indica el pizarrón)

🔬 3. DIAGRAMA DE LA RED NEURONAL ARTIFICIAL

CAPA ENTRADA (25 neuronas) NEURONA OCULTA (Σ) ACTIVACIÓN f(x) SALIDA ŷ w₁ w₂ w₃ w₄...w₂₄ w₂₅ x₁ x₂ x₃ x₄ x₅ ... x₂₄ x₂₅ bias x₀=1 Σ xᵢwᵢ f(x) = Σ/n f(x) activación ×100 = % ŷ % TOXICIDAD DECISIÓN UMBRAL f(r) > 50% → TÓXICO REF. PIZARRÓN - Ejemplo análogo: Cálculo Sueldo = a + b₁x₁ + b₂x₂ + b₃x₃ + b₄x₄ OBC: f(x)=0.7 → f(r)=0.7×100=70% (umbral 30%/0.5%) ŷ = a + b₁x₁ + b₂x₂ + b₃x₃... (modelo regresión)

* Arquitectura: 25 neuronas de entrada (x₁…x₂₅) + bias → 1 neurona oculta Σ → función activación f(x) → salida ŷ
* La sumatoria Σ xᵢwᵢ = x₁w₁ + x₂w₂ + x₃w₃ + x₄w₄ + x₅w₅ + ... + x₂₄w₂₄ + x₂₅w₂₅
* f(x) = Σ/n ; f(r) = f(x)×100 → porcentaje de toxicidad

📋 4. TEST INTERACTIVO — 25 PREGUNTAS

Responde cada pregunta según la frecuencia con la que realizas esa conducta:

⚡ 5. PROCESAMIENTO Y RESULTADO