Translations:Neural Networks/28/es - Revision history

DeployBot: Batch translate Neural Networks unit 28 → es

2026-04-27T23:41:03Z

Batch translate Neural Networks unit 28 → es

← Older revision		Revision as of 23:41, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks]]''' (CNN) — diseñadas para datos con estructura de cuadrícula como imágenes, ~~utilizando~~ conectividad local y compartición de pesos.		* '''[[Convolutional Neural Networks]]''' (CNN) — diseñadas para datos con estructura de cuadrícula, como las imágenes, mediante conectividad local y compartición de pesos.
	* '''[[Recurrent Neural Networks]]''' (RNN) — diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.		* '''[[Recurrent Neural Networks]]''' (RNN) — diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.
	* '''Transformers''' — arquitecturas basadas en atención que se han vuelto dominantes en el procesamiento del lenguaje natural y, cada vez más, en visión.		* '''{{Term\|transformer\|Transformers}}''' — arquitecturas basadas en {{Term\|attention\|atención}} que se han vuelto dominantes en el procesamiento del lenguaje natural y, cada vez más, en la visión por computadora.
	* '''Autoencoders''' — redes entrenadas para reconstruir su entrada, utilizadas ~~para~~ reducción de dimensionalidad y modelado generativo.		* '''Autoencoders''' — redes entrenadas para reconstruir su entrada, utilizadas en la reducción de dimensionalidad y el modelado generativo.
	* '''Redes generativas antagónicas''' (GAN) — pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.		* '''Redes generativas antagónicas''' (GAN) — pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.

DeployBot: Batch translate Neural Networks unit 28 → es

2026-04-27T22:03:00Z

Batch translate Neural Networks unit 28 → es

← Older revision		Revision as of 22:03, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks]]''' (CNN): diseñadas para datos con estructura de cuadrícula como ~~las~~ imágenes, utilizando conectividad local y compartición de pesos.		* '''[[Convolutional Neural Networks]]''' (CNN) — diseñadas para datos con estructura de cuadrícula como imágenes, utilizando conectividad local y compartición de pesos.
	* '''[[Recurrent Neural Networks]]''' (RNN): diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.		* '''[[Recurrent Neural Networks]]''' (RNN) — diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.
	* '''Transformers''': arquitecturas basadas en ~~attention~~ que se han vuelto dominantes en el procesamiento del lenguaje natural y, cada vez más, en visión.		* '''Transformers''' — arquitecturas basadas en atención que se han vuelto dominantes en el procesamiento del lenguaje natural y, cada vez más, en visión.
	* '''Autoencoders''': redes entrenadas para reconstruir su entrada, utilizadas para reducción de dimensionalidad y modelado generativo.		* '''Autoencoders''' — redes entrenadas para reconstruir su entrada, utilizadas para reducción de dimensionalidad y modelado generativo.
	* '''Redes generativas antagónicas''' (GAN): pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.		* '''Redes generativas antagónicas''' (GAN) — pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.

DeployBot: Batch translate Neural Networks unit 28 → es

2026-04-27T03:35:03Z

Batch translate Neural Networks unit 28 → es

← Older revision		Revision as of 03:35, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks~~\|Redes neuronales convolucionales~~]]''' (CNN) — diseñadas para datos con estructura de cuadrícula como las imágenes, ~~mediante~~ conectividad local y compartición de pesos.		* '''[[Convolutional Neural Networks]]''' (CNN): diseñadas para datos con estructura de cuadrícula como las imágenes, utilizando conectividad local y compartición de pesos.
	* '''[[Recurrent Neural Networks~~\|Redes neuronales recurrentes~~]]''' (RNN) — diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.		* '''[[Recurrent Neural Networks]]''' (RNN): diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.
	* '''Transformers''' — arquitecturas basadas en ~~atención~~ que se han vuelto dominantes en procesamiento del lenguaje natural y, cada vez más, en visión.		* '''Transformers''': arquitecturas basadas en attention que se han vuelto dominantes en el procesamiento del lenguaje natural y, cada vez más, en visión.
	* '''Autoencoders''' — redes entrenadas para reconstruir su entrada, ~~usadas en~~ reducción de dimensionalidad y modelado generativo.		* '''Autoencoders''': redes entrenadas para reconstruir su entrada, utilizadas para reducción de dimensionalidad y modelado generativo.
	* '''Redes generativas antagónicas''' (GAN) — pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.		* '''Redes generativas antagónicas''' (GAN): pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.

DeployBot: [deploy-bot] Translate Neural Networks unit 28 to es

2026-04-27T00:25:44Z

[deploy-bot] Translate Neural Networks unit 28 to es

New page

* '''[[Convolutional Neural Networks|Redes neuronales convolucionales]]''' (CNN) — diseñadas para datos con estructura de cuadrícula como las imágenes, mediante conectividad local y compartición de pesos.
* '''[[Recurrent Neural Networks|Redes neuronales recurrentes]]''' (RNN) — diseñadas para datos secuenciales, con conexiones que forman ciclos para mantener un estado oculto.
* '''Transformers''' — arquitecturas basadas en atención que se han vuelto dominantes en procesamiento del lenguaje natural y, cada vez más, en visión.
* '''Autoencoders''' — redes entrenadas para reconstruir su entrada, usadas en reducción de dimensionalidad y modelado generativo.
* '''Redes generativas antagónicas''' (GAN) — pares de redes (generador y discriminador) entrenadas en competencia para generar datos realistas.