Backpropagation – Redes neuronales

Definición de backpropagation

En redes neuronales se busca ajustar los pesos de cada neurona de tal manera que se minimice el error. El algoritmo de backpropagation nos indica cuanto de culpa tiene cada neurona del error global cometido.

La forma en que como se calcula la culpa que tiene cada neurona en el error es lo que da sentido al nombre de backpropagation, ya que primeramente calcula la culpa del error de cada neurona de la última capa y lo va propagando hacia atrás para ver cuanta culta tienen el resto.

Se podría decir que pondera el reparto del error para cada una de las neuronas de la red.

El algoritmo de backpropagation determina la culpa del error, calculando las derivadas parciales de la función de coste con respecto a cada una de las variables.

 

Una vez visto de forma teórica como funciona el algoritmo de backpropagation, vamos a ver un ejemplo cotidiano para reforzar la comprensión del concepto.

Imaginemos que tenemos una red neuronal que predice las resultados de una compañía, en estos resultados apetecen perdidas y vamos a determinar cuanto de culta tiene cada uno.

Primeramente tenemos que los resultados dependen de los departamentos, los departamentos dependen de las lineas y las lineas de las personas que la forman. Al aplica backpropagation vemos que la responsabilidad depende en gran medida de marketing y en menor medida de producción.

Si estudiamos el departamento de marketing vemos que el problema se encuentra en la linea que se encarga de campañas publicitarias puesto que no han tenido el impacto estimado y si vacamos el siguiente nivel vemos que ha sido problema principalmente del creativo y el responsable de este.

Con este proceso podemos ver cuanto de culpa tiene cada uno y corregir los pesos de la red neuronal de forma retroactiva.