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

**Fremoverpropagering** er prosessen der informasjon beveger seg fra inndatalaget til utgangslaget i et nevralt nettverk. Hver nevron behandler sine innganger ved hjelp av vekter og en aktiveringsfunksjon, sender utgangen videre, og når det siste laget er nådd, produserer nettverket en **prediksjon**.

Definisjon

## Bakoverpropagasjon

Etter at et nevralt nettverk har gjort en prediksjon gjennom fremoverpropagasjon, blir utdataene **sammenlignet med de faktiske dataene** for å beregne **feilen**.

**Bakoverpropagasjon**, eller **backpropagation**, er prosessen der denne feilen brukes til å gå bakover gjennom nettverket og **justere vektene til nevronene**.

Ved å oppdatere vektene på denne måten, reduserer nettverket gradvis feilen og forbedrer nøyaktigheten til prediksjonene sine.


Feilen i nevrale nettverk kan beregnes på ulike måter avhengig av oppgaven, men det er alltid et **flyttall**.

Merk

Nevrale nettverk lærer ved å gjenta **fremover-** og **bakoverpropagering** mange ganger. For hver iterasjon blir modellen bedre, men den oppnår aldri “perfekt nøyaktighet.” Treningsprosessen avsluttes når ytelsen er akseptabel eller når modellen **slutter å forbedre seg** etter mange iterasjoner.

Hva er fremoverpropagering i et nevralt nettverk?

Hva er tilbakepropagering i et nevralt nettverk?

Hva skjer etter fremoverpropageringsstadiet når et nevralt nettverk trenes?

Nevrale nettverk er kraftige algoritmer inspirert av strukturen til den menneskelige hjernen, og brukes til å løse komplekse maskinlæringsproblemer. Du vil bygge ditt eget nevrale nettverk fra bunnen av for å forstå hvordan det fungerer. Etter dette kurset vil du kunne lage nevrale nettverk for å løse klassifikasjons- og regresjonsproblemer ved hjelp av scikit-learn-biblioteket.

Først skal vi diskutere hva et nevralt nettverk er og hvordan det fungerer. Vi vil også vurdere anvendelsesområdet.

Deretter skal vi forsøke å bygge vårt eget nevrale nettverk og se hvor effektivt det håndterer læring. Vi vil også vurdere en ferdig løsning fra scikit-learn-biblioteket.

Til slutt vil vi gi deg tilleggsinformasjon om hvordan du kan forstå hvilken modell som bør brukes og hvilke typer nevrale nettverk som finnes. For å fullføre kurset vil du bli testet på den tilegnede kunnskapen din.

Fremover- og bakoverpropagasjon

Fremoverpropagering

Bakoverpropagasjon

1. Hva er fremoverpropagering i et nevralt nettverk?

2. Hva er tilbakepropagering i et nevralt nettverk?

3. Hva skjer etter fremoverpropageringsstadiet når et nevralt nettverk trenes?