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

**Voorwaartse propagatie** is het proces waarbij informatie van de invoerlaag naar de uitvoerlaag van een neuraal netwerk beweegt. Elke neuron verwerkt zijn invoer met behulp van gewichten en een activatiefunctie, geeft zijn uitvoer door naar voren, en zodra de laatste laag is bereikt, genereert het netwerk een **voorspelling**.

Definitie

## Achterwaartse propagatie

Nadat een neuraal netwerk een voorspelling heeft gedaan via voorwaartse propagatie, wordt de uitvoer **vergeleken met de werkelijke data** om de **fout** te berekenen.

**Achterwaartse propagatie**, of **backpropagation**, is het proces waarbij deze fout wordt gebruikt om terug te gaan door het netwerk en de **gewichten van de neuronen aan te passen**.

Door op deze manier de gewichten bij te werken, vermindert het netwerk geleidelijk zijn fout en verbetert het de nauwkeurigheid van zijn voorspellingen.


De fout van het neuraal netwerk kan op verschillende manieren worden berekend, afhankelijk van de taak, maar het is altijd een **kommagetal**.

Opmerking

Neurale netwerken leren door **voorwaartse** en **achterwaartse** propagatie vele malen te herhalen. Bij elke iteratie verbetert het model, maar het bereikt nooit een “perfecte nauwkeurigheid.” De training eindigt wanneer de prestaties acceptabel zijn of wanneer het model **niet meer verbetert** na vele iteraties.

Wat is forward propagatie in een neuraal netwerk?

Wat is backpropagatie in een neuraal netwerk?

Wat gebeurt er na de forward propagatie fase bij het trainen van een neuraal netwerk?

Neurale netwerken zijn krachtige algoritmen geïnspireerd op de structuur van het menselijk brein en worden gebruikt om complexe machine learning-problemen op te lossen. Je bouwt je eigen neuraal netwerk vanaf nul om te begrijpen hoe het werkt. Na deze cursus ben je in staat om neurale netwerken te creëren voor het oplossen van classificatie- en regressieproblemen met behulp van de scikit-learn-bibliotheek.

Eerst bespreken we wat een neuraal netwerk is en hoe het werkt. Daarnaast behandelen we het toepassingsgebied ervan.

Vervolgens zullen we proberen ons eigen neuraal netwerk te bouwen en bekijken hoe efficiënt het leert. We zullen ook een kant-en-klare oplossing uit de scikit-learn-bibliotheek behandelen.

Tot slot geven we aanvullende nuttige informatie over hoe u kunt bepalen welk model u moet gebruiken en welke typen neurale netwerken er zijn. Ter afronding van de cursus wordt uw opgedane kennis getoetst.

Voorwaartse en Achterwaartse Propagatie

Voorwaartse propagatie

Achterwaartse propagatie

1. Wat is forward propagatie in een neuraal netwerk?

2. Wat is backpropagatie in een neuraal netwerk?

3. Wat gebeurt er na de forward propagatie fase bij het trainen van een neuraal netwerk?