CG: nf
CA: Informática; Inteligencia artificial
CT: ¿Qué es la retropropagación?
La retropropagación es una técnica de machine learning esencial para la optimización de las redes neuronales. Facilita el uso de algoritmos de descenso gradiente para actualizar las ponderaciones de la red, que es como «aprenden» los modelos de deep learning que impulsan la inteligencia artificial (IA) moderna.
Abreviatura de «propagación hacia atrás del error», la retropropagación es un método elegante para calcular cómo los cambios en cualquiera de las ponderaciones o sesgos de una red neuronal afectarán a la precisión de las predicciones del modelo. Es esencial el uso del aprendizaje supervisado, el aprendizaje semisupervisado o el aprendizaje autosupervisado para entrenar redes neuronales.
F: IBM – https://www.ibm.com/es-es/think/topics/backpropagation (consulta: 24.01.2025)
DEF: Circulación de la información en sentido inverso al normal, desde los nodos de salida a los de entrada, en una red neuronal.
F: DEI – https://diccionario.raing.es/es/lema/retropropagaci%C3%B3n (consulta: 21.1.2025)
N: 1. Término creado por prefijación a partir del prefijo «retro-» (del latín retro- ‘hacia atrás’) y el sustantivo femenino «propagación» (del latín propagatio ‘propagación’).
- De uso obligado sin guion ni espacio : «retropropagación».
2. No hay resultados en el CORDE, pero sí en el CREA. El primer y único resultado data de 1988. Autor: Francisco J. Varela. Título: Conocer. País: Chile. Tema: 02. Psicología. Publicación: Gedisa (Barcelona), 1990.
Sin resultados en el Nuevo tesoro lexicográfico de la lengua española (NTLLE) ni en el Diccionario histórico de la lengua española (DHLE).
3. Aunque se propusieron de forma independiente equivalentes y predecesores de la retropropagación en diversos contextos que se remontan a la década de 1960, David E. Rumelhart, Geoffrey Hinton y Ronald J. Williams publicaron por primera vez el algoritmo de aprendizaje formal. Su artículo de 1986, Learning representations by back-propagating errors (Aprendizaje de representaciones mediante errores de retropropagación), proporcionó la derivación del algoritmo de retropropagación tal como se utiliza y entiende en un contexto moderno de machine learning.
4. La función de pérdida que rastrea el error del modelo en diferentes entradas, la propagación hacia atrás de ese error para ver cómo las diferentes partes de la red contribuyen al error y los algoritmos de descenso de gradiente que ajustan las ponderaciones del modelo es la forma en la que «aprenden» los modelos de aprendizaje profundo, por lo que la retropropagación es fundamental para entrenar modelos de redes neuronales.
5. La retropropagación (backpropagation en inglés) es un algoritmo utilizado en las redes neuronales artificiales supervisadas para ajustar los pesos de las conexiones entre las neuronas, con el fin de reducir el error en la predicción de un modelo. El objetivo de la retropropagación es minimizar una función de error o función de costo que mide la diferencia entre la salida real y la salida esperada.
La retropropagación funciona propagando el error hacia atrás a través de la red neuronal, comenzando por la capa de salida y retrocediendo hacia las capas ocultas. Para cada capa, se calcula la contribución relativa de cada neurona a la función de costo, y se utilizan estas contribuciones para ajustar los pesos de las conexiones.
F: 1. DLE – https://dle.rae.es/retro-?m=form, https://dle.rae.es/propagaci%C3%B3n?m=form (consultas: 24.01.2025); GTG – https://www.rae.es/gtg/prefijaci%C3%B3n (consulta: 24.01.2025); Fundéu – https://www.fundeu.es/recomendacion/prefijos-claves-para-una-buena-redaccion-817/ (consulta: 25.01.2025). 2. CORDE (consulta: 24.01.2025); CREA (consulta: 24.01.2025); NTLLE (consulta: 24.01.2025); DHLE (consulta: 24.01.2025). 3 y 4. IBM – https://www.ibm.com/es-es/think/topics/backpropagation (consulta: 24.01.2025). 5. Gamco – https://gamco.es/glosario/retropropagacion/#:~:text=La%20retropropagaci%C3%B3n%20(backpropagation%20en%20ingl%C3%A9s,la%20predicci%C3%B3n%20de%20un%20modelo. (consulta: 24.01.2025).
SIN:
F:
