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

**Framåtriktad propagering** är processen där information rör sig från inmatningslagret till utmatningslagret i ett neuralt nätverk. Varje neuron bearbetar sina indata med hjälp av vikter och en aktiveringsfunktion, skickar sitt utdata vidare, och när det sista lagret nås producerar nätverket en **prognos**.

Definition

## Bakåtriktad propagiering

Efter att ett neuralt nätverk har gjort en prediktion genom framåtriktad propagiering, **jämförs dess utdata med den faktiska datan** för att beräkna **felet**.

**Bakåtriktad propagiering**, eller **backpropagation**, är processen där detta fel används för att gå bakåt genom nätverket och **justera neuronernas vikter**.

Genom att uppdatera vikterna på detta sätt minskar nätverket gradvis sitt fel och förbättrar noggrannheten i sina prediktioner.


Neurala nätverksfel kan beräknas på olika sätt beroende på uppgiften, men det är alltid ett **flyttal**.

Notering

Neurala nätverk lär sig genom att upprepa **framåt** och **bakåt** propagationssteg många gånger. Vid varje iteration förbättras modellen, men den når aldrig “perfekt noggrannhet.” Träningen avslutas när prestandan blir acceptabel eller när modellen **slutar förbättras** efter många iterationer.

Vad är framåtriktad propagiering i ett neuralt nätverk?

Vad är bakåtriktad propagiering i ett neuralt nätverk?

Vad händer efter framåtriktad propagiering vid träning av ett neuralt nätverk?

Neurala nätverk är kraftfulla algoritmer inspirerade av den mänskliga hjärnans struktur som används för att lösa komplexa maskininlärningsproblem. Du kommer att bygga ett eget neuralt nätverk från grunden för att förstå hur det fungerar. Efter denna kurs kommer du att kunna skapa neurala nätverk för att lösa klassificerings- och regressionsproblem med hjälp av scikit-learn-biblioteket.

Först kommer vi att diskutera vad ett neuralt nätverk är och hur det fungerar. Vi kommer även att behandla dess användningsområden.

Därefter kommer vi att försöka bygga vårt eget neuronnätverk och se hur effektivt det klarar av inlärning. Vi kommer även att titta på en färdig lösning från scikit-learn-biblioteket.

Slutligen kommer vi att ge dig ytterligare användbar information om hur du kan förstå vilken modell som ska användas och vilka typer av neurala nätverk som finns. För att slutföra kursen kommer dina förvärvade kunskaper att testas.

Framåt- och Bakåtriktad Spridning

Framåtriktad propagering

Bakåtriktad propagiering

1. Vad är framåtriktad propagiering i ett neuralt nätverk?

2. Vad är bakåtriktad propagiering i ett neuralt nätverk?

3. Vad händer efter framåtriktad propagiering vid träning av ett neuralt nätverk?