Translations:Neural Networks/24/es - Revision history

DeployBot: Batch translate Neural Networks unit 24 → es

2026-04-27T23:41:00Z

Batch translate Neural Networks unit 24 → es

← Older revision		Revision as of 23:41, 27 April 2026
Line 1:		Line 1:
	# '''Definir una función de pérdida''' — una medida de cuán lejos están las predicciones de la red de los objetivos ~~verdaderos~~ (véase [[Loss Functions]]).		# '''Definir una {{Term\|loss function\|función de pérdida}}''' — una medida de cuán lejos están las predicciones de la red de los objetivos reales (véase [[Loss Functions]]).
	# '''~~Pase~~ hacia adelante''' — calcular la salida de la red para una entrada dada propagando los valores capa por capa.		# '''Paso hacia adelante''' — calcular la salida de la red para una entrada dada propagando los valores capa por capa.
	# '''~~Pase~~ hacia atrás (retropropagación)''' — calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase [[Backpropagation]]).		# '''Paso hacia atrás ({{Term\|backpropagation\|retropropagación}})''' — calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase [[Backpropagation]]).
	# '''Actualización de parámetros''' — ajustar los pesos ~~utilizando~~ un algoritmo de optimización como [[Gradient Descent]] o alguna de sus variantes.		# '''Actualización de parámetros''' — ajustar los pesos mediante un algoritmo de optimización como [[Gradient Descent]] o alguna de sus variantes.
	# '''Iteración''' — repetir los pasos 2–4 ~~durante~~ muchas pasadas (épocas) sobre los datos de entrenamiento.		# '''Iteración''' — repetir los pasos 2–4 a lo largo de muchas pasadas ({{Term\|epoch\|épocas}}) sobre los datos de entrenamiento.

DeployBot: Batch translate Neural Networks unit 24 → es

2026-04-27T22:02:59Z

Batch translate Neural Networks unit 24 → es

← Older revision		Revision as of 22:02, 27 April 2026
Line 1:		Line 1:
	# '''Definir una función de pérdida''': una medida de cuán lejos están las predicciones de la red de los objetivos verdaderos (véase [[Loss Functions]]).		# '''Definir una función de pérdida''' — una medida de cuán lejos están las predicciones de la red de los objetivos verdaderos (véase [[Loss Functions]]).
	# '''Pase hacia adelante ~~(forward pass)~~''': calcular la salida de la red para una entrada dada propagando los valores capa por capa.		# '''Pase hacia adelante''' — calcular la salida de la red para una entrada dada propagando los valores capa por capa.
	# '''Pase hacia atrás (~~backpropagation~~)''': calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase [[Backpropagation]]).		# '''Pase hacia atrás (retropropagación)''' — calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase [[Backpropagation]]).
	# '''Actualización de parámetros''': ajustar los pesos ~~usando~~ un algoritmo de optimización como [[Gradient Descent]] o alguna de sus variantes.		# '''Actualización de parámetros''' — ajustar los pesos utilizando un algoritmo de optimización como [[Gradient Descent]] o alguna de sus variantes.
	# '''Iteración''': repetir los pasos 2–4 ~~a lo largo de~~ muchas pasadas (épocas) ~~por~~ los datos de entrenamiento.		# '''Iteración''' — repetir los pasos 2–4 durante muchas pasadas (épocas) sobre los datos de entrenamiento.

DeployBot: Batch translate Neural Networks unit 24 → es

2026-04-27T03:35:02Z

Batch translate Neural Networks unit 24 → es

← Older revision		Revision as of 03:35, 27 April 2026
Line 1:		Line 1:
	# '''Definir una función de pérdida''' — una medida de cuán lejos están las predicciones de la red de los ~~valores objetivo~~ (véase [[Loss Functions~~\|funciones de pérdida~~]]).		# '''Definir una función de pérdida''': una medida de cuán lejos están las predicciones de la red de los objetivos verdaderos (véase [[Loss Functions]]).
	# '''Pase hacia adelante''' — calcular la salida de la red para una entrada dada propagando los valores capa por capa.		# '''Pase hacia adelante (forward pass)''': calcular la salida de la red para una entrada dada propagando los valores capa por capa.
	# '''Pase hacia atrás (~~retropropagación~~)''' — calcular el gradiente de la pérdida respecto a cada peso aplicando la regla de la cadena en sentido inverso (véase [[Backpropagation~~\|retropropagación~~]]).		# '''Pase hacia atrás (backpropagation)''': calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase [[Backpropagation]]).
	# '''Actualización de parámetros''' — ajustar los pesos usando un algoritmo de optimización como el [[Gradient Descent~~\|descenso de gradiente~~]] o alguna de sus variantes.		# '''Actualización de parámetros''': ajustar los pesos usando un algoritmo de optimización como [[Gradient Descent]] o alguna de sus variantes.
	# '''Iteración''' — repetir los pasos 2–4 a lo largo de muchas pasadas (épocas) ~~sobre~~ los datos de entrenamiento.		# '''Iteración''': repetir los pasos 2–4 a lo largo de muchas pasadas (épocas) por los datos de entrenamiento.

DeployBot: [deploy-bot] Translate Neural Networks unit 24 to es

2026-04-27T00:25:30Z

[deploy-bot] Translate Neural Networks unit 24 to es

New page

# '''Definir una función de pérdida''' — una medida de cuán lejos están las predicciones de la red de los valores objetivo (véase [[Loss Functions|funciones de pérdida]]).
# '''Pase hacia adelante''' — calcular la salida de la red para una entrada dada propagando los valores capa por capa.
# '''Pase hacia atrás (retropropagación)''' — calcular el gradiente de la pérdida respecto a cada peso aplicando la regla de la cadena en sentido inverso (véase [[Backpropagation|retropropagación]]).
# '''Actualización de parámetros''' — ajustar los pesos usando un algoritmo de optimización como el [[Gradient Descent|descenso de gradiente]] o alguna de sus variantes.
# '''Iteración''' — repetir los pasos 2–4 a lo largo de muchas pasadas (épocas) sobre los datos de entrenamiento.