Conclusiones a partir de la función de error

Recordemos el esquema de la red neuronal y la expresión de la función de error:

C = ?(σ(w₃₁*σ(w₁₁*x_1i + w₁₂*x_2i + b1) + w₃₂*σ(w₂₁*x_1i + w₂₂*x_2i + b2) + b₃) - y_i)²

De este ejercicio podemos extraer dos conclusiones interesantes:

1. Sea cual sea la estructura del perceptrón multicapa -y una vez decididas las funciones de activación a aplicar en cada neurona-, podemos expresar el error cometido de forma exacta como una función que depende exclusivamente de los pesos de cada enlace y de los bias (y, por supuesto, de los datos de entrada).
2. Incluso para una red neuronal tan sencilla como la que estamos mostrando, la función de error es relativamente compleja. Imaginemos una red formada por algunos cientos de neuronas y miles de enlaces. La expresión que definiría el error resultaría difícilmente manejable.