{"id":8041,"date":"2020-03-19T19:23:21","date_gmt":"2020-03-19T18:23:21","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=8041"},"modified":"2022-12-03T23:03:52","modified_gmt":"2022-12-03T22:03:52","slug":"retropropagation","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/retropagacion\/","title":{"rendered":"Retropropagaci\u00f3n"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"8041\" class=\"elementor elementor-8041\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-908692d elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"908692d\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-848f9ee\" data-id=\"848f9ee\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-6f39fdd elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"6f39fdd\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/algorithmes-neuronaux\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Algorithmes neuronaux<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-7dc0d66\" data-id=\"7dc0d66\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-defc66e elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"defc66e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Page d'accueil<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-7eb1552\" data-id=\"7eb1552\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c6792f9 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"c6792f9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/fr.wikipedia.org\/wiki\/R%C3%A9tropropagation_du_gradient\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-23254612 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"23254612\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-7b64e777\" data-id=\"7b64e777\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-13e74e1c elementor-widget elementor-widget-text-editor\" data-id=\"13e74e1c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenus<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/retropagacion\/#Retropropagation\" >R\u00e9tropropagation<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Retropropagation\"><\/span>R\u00e9tropropagation<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p class=\"has-text-align-justify\">Les r\u00e9seaux de neurones \u00e0 action directe sont inspir\u00e9s par le traitement de l&rsquo;information d&rsquo;une ou plusieurs <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/perceptron-es\/\">cellules neuronales<\/a> (appel\u00e9es neurones). Un neurone accepte les signaux d&rsquo;entr\u00e9e via son axone, qui transmettent le signal \u00e9lectrique au corps cellulaire. Les dendrites transmettent le signal aux synapses, qui sont les connexions des dendrites d&rsquo;une cellule aux axones d&rsquo;autres cellules. <\/p>\n<p class=\"has-text-align-justify\">Dans une synapse, l&rsquo;activit\u00e9 \u00e9lectrique est convertie en activit\u00e9 mol\u00e9culaire (mol\u00e9cules de neurotransmetteurs traversant la fente synaptique et se liant aux r\u00e9cepteurs). La liaison mol\u00e9culaire d\u00e9veloppe un signal \u00e9lectrique qui est transmis \u00e0 l&rsquo;axone des cellules connect\u00e9es. L&rsquo;algorithme de r\u00e9tropropagation est un r\u00e9gime d&rsquo;entra\u00eenement pour les r\u00e9seaux de neurones multicouches \u00e0 action directe et n&rsquo;est pas directement inspir\u00e9 par les processus d&rsquo;apprentissage du syst\u00e8me biologique.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;objectif de traitement de l&rsquo;information de la technique est de mod\u00e9liser une fonction donn\u00e9e en modifiant les pond\u00e9rations internes des signaux d&rsquo;entr\u00e9e pour produire un signal de sortie attendu. Le syst\u00e8me est form\u00e9 \u00e0 l&rsquo;aide d&rsquo;une m\u00e9thode d&rsquo;apprentissage supervis\u00e9, o\u00f9 l&rsquo;erreur entre la sortie du syst\u00e8me et une sortie attendue connue est pr\u00e9sent\u00e9e au syst\u00e8me et utilis\u00e9e pour modifier son \u00e9tat interne. L&rsquo;\u00e9tat est maintenu dans un ensemble de pond\u00e9rations sur les signaux d&rsquo;entr\u00e9e. <\/p>\n<p class=\"has-text-align-justify\">Les poids sont utilis\u00e9s pour repr\u00e9senter une abstraction de la mise en correspondance des vecteurs d&rsquo;entr\u00e9e avec le signal de sortie pour les exemples auxquels le syst\u00e8me a \u00e9t\u00e9 expos\u00e9 pendant la formation. Chaque couche du r\u00e9seau fournit une abstraction du traitement de l&rsquo;information de la couche pr\u00e9c\u00e9dente, permettant la combinaison de sous-fonctions et d&rsquo;une mod\u00e9lisation d&rsquo;ordre sup\u00e9rieur.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;algorithme de r\u00e9tropropagation est une m\u00e9thode d&rsquo;apprentissage des poids dans un r\u00e9seau neuronal \u00e0 r\u00e9troaction multicouche. En tant que tel, il n\u00e9cessite la d\u00e9finition d&rsquo;une structure de r\u00e9seau d&rsquo;une ou plusieurs couches o\u00f9 une couche est enti\u00e8rement connect\u00e9e \u00e0 la couche suivante. Une structure de r\u00e9seau standard est une couche d&rsquo;entr\u00e9e, une couche cach\u00e9e et une couche de sortie. Le proc\u00e9d\u00e9 concerne principalement l&rsquo;adaptation des poids \u00e0 l&rsquo;erreur calcul\u00e9e en pr\u00e9sence de motifs d&rsquo;entr\u00e9e, et le proc\u00e9d\u00e9 est appliqu\u00e9 en arri\u00e8re de la couche de sortie du r\u00e9seau \u00e0 la couche d&rsquo;entr\u00e9e.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;algorithme suivant fournit un <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmico\/pseudo-lenguaje-y-diagrama-de-flujo\/\">pseudocode<\/a> pour pr\u00e9parer un r\u00e9seau \u00e0 l&rsquo;aide de la m\u00e9thode de r\u00e9tropropagation. Un poids est initialis\u00e9 pour chaque entr\u00e9e plus un poids suppl\u00e9mentaire pour une entr\u00e9e biais constante qui est presque toujours fix\u00e9e \u00e0 1,0. L&rsquo;activation d&rsquo;un seul neurone sur un mod\u00e8le d&rsquo;entr\u00e9e donn\u00e9 est calcul\u00e9e comme suit:<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"aligncenter wp-image-8030 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp1.png\" alt=\"r\u00e9tropropagation\" width=\"382\" height=\"76\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp1.png 382w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp1-300x60.png 300w\" sizes=\"(max-width: 382px) 100vw, 382px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 n est le nombre de poids et d&rsquo;entr\u00e9es, x_ki est l&rsquo;attribut k-\u00e8me sur le i-\u00e8me motif d&rsquo;entr\u00e9e, et w_bias est le poids de biais. Une fonction de transfert logistique (sigmo\u00efde) est utilis\u00e9e pour calculer la sortie d&rsquo;un neurone dans [0; 1] et fournit des non-lin\u00e9arit\u00e9s entre les signaux d&rsquo;entr\u00e9e et de sortie: 1\/(1+exp(-a)), o\u00f9 a repr\u00e9sente l&rsquo;activation des neurones.<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter wp-image-8032 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp2.png\" alt=\"r\u00e9tropropagation\" width=\"572\" height=\"255\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp2.png 572w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp2-300x134.png 300w\" sizes=\"(max-width: 572px) 100vw, 572px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">Les mises \u00e0 jour de pond\u00e9ration utilisent la r\u00e8gle delta, en particulier une r\u00e8gle delta modifi\u00e9e dans laquelle l&rsquo;erreur est propag\u00e9e vers l&rsquo;arri\u00e8re \u00e0 travers le r\u00e9seau, en commen\u00e7ant \u00e0 la couche de sortie et pond\u00e9r\u00e9e \u00e0 travers les couches pr\u00e9c\u00e9dentes. Ce qui suit d\u00e9crit la propagation inverse des mises \u00e0 jour d&rsquo;erreur et de poids pour un mod\u00e8le unique.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Un signal d&rsquo;erreur est calcul\u00e9 pour chaque n\u0153ud et renvoy\u00e9 \u00e0 travers le r\u00e9seau. Pour les n\u0153uds de sortie, il s&rsquo;agit de la somme de l&rsquo;erreur entre les sorties de n\u0153ud et les sorties attendues:<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"aligncenter wp-image-8034 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp3.png\" alt=\"r\u00e9tropropagation\" width=\"184\" height=\"34\" title=\"\"><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 es_i est le signal d&rsquo;erreur pour le i-\u00e8me n\u0153ud, c_i est la sortie attendue et o_i est la sortie r\u00e9elle pour le i-\u00e8me n\u0153ud. Le terme td est la d\u00e9riv\u00e9e de la sortie du i-\u00e8me n\u0153ud. Si la fonction de transfert sigmod est utilis\u00e9e, td_i serait o_i*(1-o_i). Pour les n\u0153uds cach\u00e9s, le signal d&rsquo;erreur est la somme des signaux d&rsquo;erreur pond\u00e9r\u00e9s de la couche suivante.<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-8035 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp4.png\" alt=\"r\u00e9tropropagation\" width=\"278\" height=\"68\" title=\"\"><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 es_i est le signal d&rsquo;erreur pour le i-\u00e8me n\u0153ud, w_ik est le poids entre le i-\u00e8me et le k-\u00e8me n\u0153uds, et es_k est le signal d&rsquo;erreur du k-\u00e8me n\u0153ud.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Les d\u00e9riv\u00e9es d&rsquo;erreur pour chaque poids sont calcul\u00e9es en combinant l&rsquo;entr\u00e9e de chaque n\u0153ud et le signal d&rsquo;erreur pour le n\u0153ud.<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-8036 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp5.png\" alt=\"r\u00e9tropropagation\" width=\"180\" height=\"71\" title=\"\"><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 ed_i est la d\u00e9riv\u00e9e d&rsquo;erreur pour le i-\u00e8me n\u0153ud, es_i est le signal d&rsquo;erreur pour le i-\u00e8me n\u0153ud et x_k est l&rsquo;entr\u00e9e du k-\u00e8me n\u0153ud dans la couche pr\u00e9c\u00e9dente. Ce processus inclut l&rsquo;e biais qui a une valeur constante.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Les poids sont mis \u00e0 jour dans une direction qui r\u00e9duit la d\u00e9riv\u00e9e d&rsquo;erreur ed_i (erreur affect\u00e9e au poids), mesur\u00e9e par un coefficient d&rsquo;apprentissage.<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-8037 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp6.png\" alt=\"r\u00e9tropropagation\" width=\"322\" height=\"39\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp6.png 322w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/bp6-300x36.png 300w\" sizes=\"(max-width: 322px) 100vw, 322px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 w_i (t + 1) est le i-\u00e8me poids mis \u00e0 jour, ed_k est la d\u00e9riv\u00e9e d&rsquo;erreur pour le k-\u00e8me n\u0153ud et learn_rate est un param\u00e8tre de coefficient de mise \u00e0 jour.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;algorithme de r\u00e9tropropagation peut \u00eatre utilis\u00e9 pour entra\u00eener un r\u00e9seau multicouche \u00e0 approximer des fonctions non lin\u00e9aires arbitraires et peut \u00eatre utilis\u00e9 pour des probl\u00e8mes de <a href=\"https:\/\/complex-systems-ai.com\/es\/correlacion-y-regresiones\/\">r\u00e9gression<\/a> ou de classification.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Les valeurs d&rsquo;entr\u00e9e et de sortie doivent \u00eatre normalis\u00e9es de telle sorte que x soit dans [0;1]. Les poids initiaux sont g\u00e9n\u00e9ralement de petites valeurs al\u00e9atoires dans [0;0,5]. Les poids peuvent \u00eatre mis \u00e0 jour de mani\u00e8re en ligne (apr\u00e8s l&rsquo;exposition \u00e0 chaque mod\u00e8le d&rsquo;entr\u00e9e) ou par lots (apr\u00e8s qu&rsquo;un nombre fixe de mod\u00e8les a \u00e9t\u00e9 observ\u00e9). Les mises \u00e0 jour par lots devraient \u00eatre plus stables que les mises \u00e0 jour en ligne pour certains probl\u00e8mes complexes.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Une fonction de transfert logistique (sigmo\u00efde) est couramment utilis\u00e9e pour transf\u00e9rer l&rsquo;activation \u00e0 une valeur de sortie binaire, bien que d&rsquo;autres fonctions de transfert puissent \u00eatre utilis\u00e9es telles que la tangente hyperbolique (tanh), la gaussienne et le softmax. Il est recommand\u00e9 d&rsquo;exposer le syst\u00e8me \u00e0 des mod\u00e8les d&rsquo;entr\u00e9e dans un ordre al\u00e9atoire diff\u00e9rent \u00e0 chaque it\u00e9ration.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">G\u00e9n\u00e9ralement, un petit nombre de couches est utilis\u00e9, de 2 \u00e0 4, \u00e9tant donn\u00e9 que l&rsquo;augmentation des couches entra\u00eene une augmentation de la <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmico\/complejidad-en-el-tiempo\/\">complexit\u00e9<\/a> du syst\u00e8me et du temps requis pour entra\u00eener les poids. Le taux d&rsquo;apprentissage peut varier pendant la formation, et il est courant d&rsquo;introduire un terme d&rsquo;\u00e9lan pour limiter le taux de changement. Les poids d&rsquo;un r\u00e9seau donn\u00e9 peuvent \u00eatre initialis\u00e9s avec une m\u00e9thode d&rsquo;optimisation globale avant d&rsquo;\u00eatre affin\u00e9s \u00e0 l&rsquo;aide de l&rsquo;algorithme de r\u00e9tropropagation.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Un n\u0153ud de sortie est courant pour les probl\u00e8mes de r\u00e9gression, tout comme un n\u0153ud de sortie par classe est courant pour les probl\u00e8mes de classification.<\/p>\n<p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Wiki de Algoritmos Neurales Inicio Backpropagation Las redes neuronales Feedforward est\u00e1n inspiradas en el procesamiento de informaci\u00f3n de una o m\u00e1s c\u00e9lulas neuronales... <\/p>","protected":false},"author":1,"featured_media":0,"parent":7157,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-8041","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8041","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=8041"}],"version-history":[{"count":10,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8041\/revisions"}],"predecessor-version":[{"id":18913,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8041\/revisions\/18913"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/7157"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=8041"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}