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

**Eteenpäin suuntautuva laskenta** on prosessi, jossa tieto kulkee neuroverkon syötekerroksesta ulostulokerrokseen. Jokainen neuroni käsittelee syötteensä painojen ja aktivointifunktion avulla, välittää tuloksensa eteenpäin, ja kun viimeinen kerros saavutetaan, verkko tuottaa **ennusteen**.

Määritelmä

## Takaisinkulku

Kun neuroverkko tekee ennusteen eteenpäin kulun avulla, sen tuotos **verrataan todelliseen dataan** virheen **laskemiseksi**.

**Takaisinkulku** eli **backpropagation** on prosessi, jossa tätä virhettä käytetään kulkemaan verkossa taaksepäin ja **säätämään neuronien painoja**.

Säätämällä painoja tällä tavalla verkko vähentää vähitellen virhettään ja parantaa ennusteidensa tarkkuutta.


Neuroverkon virhe voidaan laskea eri tavoin tehtävästä riippuen, mutta se on aina **liukuluku**.

Huomautus

Neuroverkot oppivat toistamalla **eteenpäin**- ja **taaksepäin**-leviämistä useita kertoja. Jokaisella iteraatiolla malli paranee, mutta se ei koskaan saavuta "täydellistä tarkkuutta". Koulutus päättyy, kun suorituskyky on riittävän hyvä tai kun malli **ei enää parane** useiden iteraatioiden jälkeen.

Mitä on eteenpäinlevitys (forward propagation) neuroverkossa?

Mitä on takaisinkytkentä (backpropagation) neuroverkossa?

Mitä tapahtuu neuroverkon koulutuksessa eteenpäinlevityksen jälkeen?

Neuroverkot ovat tehokkaita algoritmeja, jotka on inspiroitu ihmisaivojen rakenteesta ja joita käytetään ratkaisemaan monimutkaisia koneoppimisen ongelmia. Rakennat oman neuroverkkosi alusta alkaen ymmärtääksesi sen toimintaa. Tämän kurssin jälkeen osaat luoda neuroverkkoja luokittelu- ja regressio-ongelmien ratkaisemiseksi scikit-learn-kirjaston avulla.

Ensiksi käsittelemme, mitä neuroverkko on ja miten se toimii. Tarkastelemme myös sen sovellusalueita.

Seuraavaksi rakennamme oman neuroverkon ja tarkastelemme, kuinka tehokkaasti se oppii. Lisäksi käsittelemme valmista ratkaisua scikit-learn-kirjastosta.

Lopuksi annamme sinulle lisätietoa siitä, miten valita sopiva malli ja millaisia neuroverkkoja on olemassa. Kurssin suorittamiseksi osaamisesi testataan.

Eteenpäin- ja Taaksepäinlevitys

Eteenpäin suuntautuva laskenta

Takaisinkulku

1. Mitä on eteenpäinlevitys (forward propagation) neuroverkossa?

2. Mitä on takaisinkytkentä (backpropagation) neuroverkossa?

3. Mitä tapahtuu neuroverkon koulutuksessa eteenpäinlevityksen jälkeen?