Summary  
This chapter explains how to implement forward propagation to generate model predictions and backward propagation to compute errors and update network weights iteratively for training.  

General domain of usage  
Machine learning (neural network training)

**順伝播**は、ニューラルネットワークの入力層から出力層へ情報が伝達される過程。各ニューロンは重みと活性化関数を用いて入力を処理し、出力を次の層へ伝達する。最終層に到達すると、ネットワークは**予測値**を生成する。

定義

## 逆伝播

ニューラルネットワークが順伝播によって予測を行った後、その出力は**実際のデータと比較**され、**誤差**が計算される。

**バックワードプロパゲーション**（または**逆伝播**）は、この誤差を利用してネットワーク内を逆方向に進み、**ニューロンの重みを調整する**プロセス。

このように重みを更新することで、ネットワークは徐々に誤差を減少させ、予測の精度を向上させる。


ニューラルネットワークの誤差はタスクによって異なる方法で計算されるが、常に**浮動小数点数**で表される。

注意

ニューラルネットワークは、**順伝播**と**逆伝播**を何度も繰り返すことで学習します。各イテレーションごとにモデルは改善されますが、「完全な精度」に到達することはありません。トレーニングは、パフォーマンスが許容範囲に達するか、多くのイテレーション後にモデルが**改善しなくなった**ときに終了します。

ニューラルネットワークにおける順伝播とは何ですか？

ニューラルネットワークにおける逆伝播とは何ですか？

ニューラルネットワークの学習時、順伝播の段階の後に何が起こりますか？

ニューラルネットワークは、人間の脳の構造に着想を得た強力なアルゴリズムであり、複雑な機械学習の問題を解決するために使用されます。本コースでは、ニューラルネットワークを一から構築し、その仕組みを理解します。このコース修了後は、scikit-learnライブラリを用いて分類や回帰問題を解決するためのニューラルネットワークを作成できるようになります。

まず、ニューラルネットワークとは何か、その仕組みについて説明します。また、その応用範囲についても考察します。

次に、独自のニューラルネットワークを構築し、その学習効率を確認します。また、scikit-learnライブラリの既製ソリューションについても検討します。

最後に、どのモデルを使用すべきか、またどのような種類のニューラルネットワークが存在するかを理解するための追加の有用な情報を提供します。コースを修了するために、習得した知識に関するテストが行われます。

順伝播と逆伝播

順伝播

逆伝播

1. ニューラルネットワークにおける順伝播とは何ですか？

2. ニューラルネットワークにおける逆伝播とは何ですか？

3. ニューラルネットワークの学習時、順伝播の段階の後に何が起こりますか？