Cuando nuestros sueños,

Una capa recibe valores, llamados inputs. En la primera capa, esos valores vendrán definidos por los datos de entrada, mientras que el resto de capas recibirán el resultado de la capa anterior.

Se realiza una suma ponderada todos los valores de entrada. Para hacer esa ponderación necesitamos una matriz de pesos, conocida como W. La matriz W tiene tantas filas como neuronas la capa anterior y tantas columnas como neuronas tiene esa capa.

Al resultado de la suma ponderada anterior se le sumará otro parámetro, conocido como bias o, simplemente, b. En este caso, cada neurona tiene su propio bias, por lo que las dimensiones del vector bias será una columna y tantas filas como neuronas tiene esa capa.

Por tanto, para poder montar una capa de una red neuronal solo necesitamos saber el número de neuronas en la capa y el número de neuronas de la capa anterior. Con eso, podremos crear tanto W como b.

Para crear esta estructura vamos a crear una clase, que llamaremos capa. Además, vamos a inicializar los parámetros (b y W) con datos aleatorios. Para esto último usaremos la función trunconorm de la librería stats, ya que nos permite crear datos aleatorios dado un rango, media y desviación estándar, lo cual hará que a nuestra red le cueste menos arrancar: