Propagación hacia atrás (Backpropagation)

Es un algoritmo fundamental en el entrenamiento de redes neuronales artificiales, utilizado para minimizar el error en las predicciones del modelo.

Funciona ajustando los pesos de las conexiones neuronales mediante el cálculo de gradientes, evaluando cómo los errores se propagan desde la salida hacia las capas anteriores.

Se basa en el algoritmo de descenso del gradiente, trabajando en conjunto con una función de costo para encontrar la configuración óptima de los parámetros del modelo.

Es crucial en tareas de aprendizaje supervisado, permitiendo que las redes aprendan patrones complejos a partir de datos etiquetados.

Su implementación eficiente requiere la diferenciación automática, técnica que calcula las derivadas necesarias para optimizar los pesos.

Fue clave en el auge del aprendizaje profundo, al facilitar el entrenamiento de redes neuronales profundas con múltiples capas.