Retropropagación, la derivación matemática paso a paso
Sobre este vídeo
La derivación de la retropropagación, factor a factor con la regla de la cadena.
La retropropagación aplica la regla de la cadena para repartir el error de una red capa por capa. Primero se calcula el error de la última capa, luego se propaga hacia atrás y con él se obtienen los gradientes de todos los pesos y sesgos en una sola pasada, resumidos en cuatro ecuaciones.
Transcripción del vídeo
- 0:02 La neurona combina entrada, peso y sesgo; la activación añade la no linealidad
- 0:08 y la pérdida mide el error.
- 0:11 La regla de la cadena convierte la derivada en tres factores locales:
- 0:15 el error, la pendiente de la activación y la entrada.
Más vídeos
Explicación
El bucle agéntico y el patrón ReAct
El bucle agéntico (razonar, actuar, observar) en movimiento.
Explicación
El momentum en el descenso de gradiente
Cómo el momentum acumula velocidad y suaviza el descenso de gradiente.
Explicación
El grafo computacional y la diferenciación automática
El grafo computacional y la diferenciación automática, en acción.
Explicación
Retropropagación, la intuición detrás del aprendizaje
La intuición de la retropropagación: el error fluye hacia atrás por la red.
Explicación
Descenso de gradiente por lotes, estocástico y mini-batch
Batch, estocástico y mini-batch: tres formas de recorrer los datos.
Explicación
El descenso de gradiente (gradient descent)
El descenso de gradiente, paso a paso: cómo la pendiente guía cada actualización del peso.