Redes Neuronales: Propagación hacia adelante y propagación hacia atrás

Este artículo va a constar de los siguientes apartados:

1. Introducción
2. Propagación hacia adelante
3. Propagación hacia atrás

1. Introducción

Como todos sabemos una red neuronal, es un conjunto de capas compuestas por neuronas y estas neuronas no son más que “pesos” (valores numéricos) que multiplican nuestros datos para encontrar patrones en ellos. Si no sabes esto te recomiendo primero visitar los siguientes artículos:

• Deep Learning: creación de una red neuronal desde cero. 1/3
• Data Scientist: explicación y diferencias entre Funciones de Error con Python
• Explicación de las Funciones de activación en Redes Neuronales y práctica con Python.

A lo largo de estas capas se pueden suceder distintos procesos matemáticos, multiplicaciones matriciales, funciones de activación, normalización, dropout, etc.

2. Propagación hacia adelante (forward propagation)

La propagación hacia adelante es el conjunto de procesos matemáticos desde que introducimos nuestros datos en la red neuronal, hasta que la red neuronal da un resultado. Supongamos que…