Backpropagation

Backpropagation
Numero de capas: “n”
Tipo de conexiones: Conexión hacia adelante, hacia atrás y laterales
Una red neuronal muy eficaz para resolver fundamentalmente problemas de reconocimiento depatrones es la red neuronal de propagación hacia atrás, en inglés Backpropagation network.

En esta red, se interconectan varias unidades de procesamiento en capas, las neuronas de cada capa no seinterconectan entre sí. Sin embargo, cada neurona de una capa proporciona una entrada a cada una de las neuronas de la siguiente capa, esto es, cada neurona transmitirá su señal de salida a cadaneurona de la capa siguiente. La figura muestra un ejemplo esquemático de la arquitectura de este tipo de redes neuronales.
Algoritmo
El algoritmo de aprendizaje proporciona una forma de entrenar unared multicapa con alimentación hacia adelante. Comienza alimentando los valores de la entrada de acuerdo a las siguientes ecuaciones:

Donde A es el grupo de neuronas en unacapa, y B e la otra. Oj es la activación para la neurona J, y Wji son los pesos asignados a la conexión entre las neuronas j e i. En la ecuación anterior, se toman los valores de salida y se alimentana la siguiente capa a través de los pesos. Esta operación se realiza para cada neurona en la siguiente capa, produciendo un valor de red para el. Este valor es la suma de todos los valores deactivacion en las neuronas de la capa anterior, y cada valor de red es aplicado ahora a la siguiente ecuación, conocida como función de activación, para producir la activación de esa neurona.

Después deque todas las neuronas tienen un valor de activación asociado a un patrón de valores de entrada, el algoritmo sigue buscando errores en cada neurona que no es entrada.
Los errores encontrados paralas neuronas de salidas, son propagados hacia atrás, a la capa anterior para que puedan ser asignados a neuronas de las capas escondidas, esto se calcula por:

donde D es el gripo de neuronas en...