Programación Orientada a Objetos: Simulación de una Red de Propagación Inversa

La red neuronal de propagación inversa es un modelo muy popular, dado que no tiene conexiones de retroalimentación y los errores son propagados inversamente durante el entrenamiento. Algunas aplicaciones pueden ser resueltas usando redes de propagación inversa y, dada su topología, es muy apropiada para multiestratos ("multilayer"). Los errores de la salida determinan la medida de los estratos ocultos, los cuales son usados como base para el ajuste de las conexiones de pesos entre la entrada y los estratos ocultos. El ajustar dos pesos entre parejas de estratos y recalcular la salida es un proceso interactivo que es acarreado hasta que el error cae por debajo del nivel de tolerancia. Los parámetros de la proporción de aprendizaje escalan el ajuste de los pesos. Un parámetro llamado momentum también puede ser usado en la escala de ajuste desde una interacción previa y adicionando el ajuste en la interacción presente.