Saltar al contenido

Retropropagación (backpropagation)

Algoritmo que calcula cómo ajustar cada peso de una red neuronal propagando el error desde la salida hacia atrás. Es el método central que hace posible entrenar redes profundas.

Actualizado: 3 de junio de 2026.

Tras medir el error con la función de pérdida, la retropropagación reparte la "culpa" entre todos los pesos, calculando cuánto contribuyó cada uno. El descenso de gradiente usa esa información para corregirlos.

Por qué fue clave

Hizo viable entrenar redes con muchas capas ocultas, abriendo la puerta al deep learning moderno.

En una frase

Es el mecanismo que convierte "me he equivocado" en "ajusto exactamente estos pesos para equivocarme menos".

Aprende Retropropagación (backpropagation) con una ruta guiada

Si quieres aplicar este concepto con proyectos y criterio, estas son las páginas de AIClases para continuar.

Términos relacionados

Descenso de gradienteAlgoritmo de optimización que ajusta los parámetros de un modelo en la dirección que más reduce el error. Es el motor que hace que las redes neuronales aprendan.Función de pérdidaFórmula que mide cuánto se equivoca un modelo comparando sus predicciones con las respuestas correctas. Entrenar consiste en minimizar esta función ajustando los parámetros.Pesos (weights)Los valores numéricos que controlan la fuerza de cada conexión en una red neuronal. Ajustar los pesos durante el entrenamiento es, literalmente, lo que hace que un modelo aprenda.Red neuronal artificialModelo de cálculo inspirado en el cerebro, compuesto por unidades llamadas neuronas organizadas en capas que se conectan mediante pesos ajustables. Al entrenarse, esos pesos se afinan para transformar entradas en salidas útiles.Entrenamiento (de modelos)Proceso por el que un modelo ajusta sus parámetros analizando datos para minimizar sus errores. Es la fase más costosa del ciclo de vida de un modelo de IA y determina lo que el modelo sabe.
Ver todos los términos
Help & support