Backpropagation.

La propagacin hacia atrs de errores o retro propagacin (del ingls

backpropagation) es un algoritmo de aprendizaje supervisado que se usa para
entrenar redes neuronales artificiales. El algoritmo emplea un ciclo propagacin
adaptacin de dos fases. Una vez que se ha aplicado un patrn a la entrada
de la red como estmulo, este se propaga desde la primera capa a travs de las
capas superiores de la red, hasta generar una salida. La seal de salida se
compara con la salida deseada y se calcula una seal de error para cada una
de las salidas.
La importancia de este proceso consiste en que, a medida que se entrena la
red, las neuronas de las capas intermedias se organizan a s mismas de tal
modo que las distintas neuronas aprenden a reconocer distintas caractersticas
del espacio total de entrada. Despus del entrenamiento, cuando se les
presente un patrn arbitrario de entrada que contenga ruido o que est
incompleto, las neuronas de la capa oculta de la red respondern con una
salida activa si la nueva entrada contiene un patrn que se asemeje a aquella
caracterstica que las neuronas individuales hayan aprendido a reconocer
durante su entrenamiento.

Estructura del perceptrn

El modelo de una neurona artificial es una imitacin del proceso de una
neurona biolgica, tal como se ve en la figura:
Donde la pi son las entradas (por las dendritas) a la neurona, estas sufren un
efecto multiplicador
por la comunicacin de las mismas al ncleo de la
neurona, donde se sumarn mediante:

La salida de la neurona luego es modificada mediante la funcin de

transferencia f:

Perceptrn Multicapa
Un Perceptrn multicapa es una red con alimentacin hacia delante, compuesta de
varias capas de neuronas entre la entrada y la salida de la misma, esta red permite
establecer regiones de decisin mucho ms complejas que las de dos semiplanos, como
lo hace el Perceptrn de un solo nivel. Las capacidades del Perceptrn multicapa con
dos y tres capas y con una nica neurona en la capa de salida se muestran en la siguiente

figura: