Peso neuronal

Neural network weight

También: Neural network weight, Peso de conexión, Weight

Parámetro que multiplica una señal y determina cuánto influye en una unidad de la red.

Definición técnica

Elemento de una matriz o tensor entrenable que parametriza una conexión o transformación lineal entre activaciones.

Camilo Boo

Automatización de procesos, integración de sistemas y software a medida para reducir tareas manuales y mejorar el control operativo.

Navegación

Parte numérica aprendida que captura relaciones de los datos, sin ser una regla empresarial legible por sí sola.

Controlar la contribución de cada entrada o activación al cálculo posterior.

Se inicializa y actualiza con un optimizador usando gradientes de la pérdida.

Ejemplo práctico

Un peso positivo grande aumenta la influencia de una característica en la suma de una neurona.

Ejemplo empresarial

Millones de pesos codifican patrones del histórico sin corresponder uno a uno con criterios del negocio.

No es una importancia causal ni un peso estadístico de muestra; su efecto depende del resto de la red.

Un peso aislado suele ser difícil de interpretar y puede cambiar entre entrenamientos equivalentes.

Atribuir decisiones a pesos individuales puede producir explicaciones engañosas.

El peso modula una conexión, pero su significado depende de toda la arquitectura.

Nivel: Intermedio
Categorías: Redes neuronales
Recorridos: Diccionario técnico para profesionales Índice alfabético completo de términos

PDF gratuito

Una selección editorial para consultar conceptos relacionados fuera de la web.

Neural networks: Nodes and hidden layers
Google for Developers · Documentación oficial
Explica nodos, capas de entrada, ocultas y salida, pesos, sesgos y recuento de parámetros.
Fuente comprobada el 24 de julio de 2026
Build the Neural Network
PyTorch · Documentación oficial
Documenta módulos, capas lineales, ReLU, paso forward, logits y softmax.
Fuente comprobada el 24 de julio de 2026
Learning representations by back-propagating errors
Nature · Autor: David E. Rumelhart, Geoffrey E. Hinton and Ronald J. Williams · Publicación científica · Publicado el 9 de octubre de 1986
Trabajo original sobre ajuste repetido de pesos mediante retropropagación del error.