Translations:Neural Networks/24/es

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