Summary  
The chapter covers forward propagation for computing outputs and backward propagation for adjusting weights based on error gradients to iteratively minimize prediction error.  

General domain of usage  
Training neural networks in machine learning

**Fremadrettet propagering** er processen, hvor information bevæger sig fra inputlaget til outputlaget i et neuralt netværk. Hver neuron behandler sine input ved hjælp af vægte og en aktiveringsfunktion, sender sit output videre, og når det sidste lag er nået, producerer netværket en **forudsigelse**.

Definition

## Baglæns Propagering

Efter et neuralt netværk har lavet en forudsigelse gennem fremadrettet propagering, bliver dets output **sammenlignet med de faktiske data** for at beregne **fejlen**.

**Baglæns propagering**, eller **backpropagation**, er processen hvor denne fejl bruges til at bevæge sig baglæns gennem netværket og **justere neuronernes vægte**.

Ved at opdatere vægtene på denne måde reducerer netværket gradvist sin fejl og forbedrer nøjagtigheden af sine forudsigelser.


Neurale netværksfejl kan beregnes på forskellige måder afhængigt af opgaven, men det er altid et **flydende tal**.

Bemærk

Neurale netværk lærer ved gentagne gange at udføre **fremad** og **bagud** propagation. For hver iteration forbedres modellen, men den opnår aldrig “perfekt nøjagtighed.” Træningen afsluttes, når ydeevnen er acceptabel, eller når modellen **holder op med at forbedre sig** efter mange iterationer.

Hvad er fremadpropagering i et neuralt netværk?

Hvad er bagpropagering i et neuralt netværk?

Hvad sker der efter fremadpropageringsfasen, når et neuralt netværk trænes?

Neurale netværk er kraftfulde algoritmer inspireret af den menneskelige hjernes struktur, som anvendes til at løse komplekse maskinlæringsproblemer. Du vil konstruere dit eget neurale netværk fra bunden for at forstå dets funktion. Efter dette kursus vil du kunne oprette neurale netværk til løsning af klassifikations- og regressionsopgaver ved hjælp af scikit-learn-biblioteket.

Først vil vi diskutere, hvad et neuralt netværk er, og hvordan det fungerer. Vi vil også overveje anvendelsesområdet.

Herefter vil vi forsøge at opbygge vores eget neurale netværk og undersøge, hvor effektivt det håndterer læring. Vi vil også se på en færdig løsning fra scikit-learn-biblioteket.

Afslutningsvis vil vi give dig yderligere nyttig information om, hvordan du kan forstå, hvilken model der skal anvendes, samt hvilke typer neurale netværk der findes. For at afslutte kurset vil din tilegnede viden blive testet.

Fremad- og Bagudpropagering

Fremadrettet propagering

Baglæns Propagering

1. Hvad er fremadpropagering i et neuralt netværk?

2. Hvad er bagpropagering i et neuralt netværk?

3. Hvad sker der efter fremadpropageringsfasen, når et neuralt netværk trænes?