Red neuronal Artificial: Está compuesta por múltiples neuronas artificiales. Los resultados de los cálculos se transmiten de una neurona a otra, y cada una conserva un estado interno llamado señal de activación. Las neuronas están conectadas entre sí por enlaces de conexión por los que circula la información sobre los datos introducidos.

Perceptron: Un perceptrón es una neurona artificial. El perceptrón efectúa cálculos para detectar características o tendencias en los datos de entrada. Se trata de un algoritmo para el aprendizaje supervisado de clasificadores binarios. Ese algoritmo es el que permite que las neuronas artificiales aprendan y traten los elementos de una serie de datos.

Función del perceptrón: En realidad el perceptrón es una función matemática. Los datos de entrada (x) se multiplican por los coeficientes de peso (w). El resultado es un valor. Ese valor puede ser positivo o negativo. La neurona artificial se activa si el valor es positivo. Solo se activa si el peso calculado de los datos de entrada supera un umbral determinado.

• Con capa única: Un perceptrón con capa única puede enseñar únicamente funciones lineales separables.
• Multicapas: Conocido como “feed-forward” permite superar ese límite y ofrece una potencia de cálculo superior. También es posible combinar varios perceptrones para crear un mecanismo poderoso