バックプロパゲーションはどのように機能しますか？

バックプロパゲーションは、勾配の計算と確率的勾配降下法におけるその必要性の両方を含む手順全体を定義します。技術的には、バックプロパゲーションは、ネットワークの変更可能な重みに関するネットワークのエラーの勾配を計算するために使用されます。

バックプロパゲーションの特徴は、トレーニング対象の機能を実行できなくなるまで、更新された重みを計算してネットワークを強化する、反復的で再帰的かつ効果的なアプローチです。バックプロパゲーションには、Webデザイン時に認識されるアクティベーションサービスの派生物が必要です。

バックプロパゲーションは一般にニューラルネットワークのトレーニングで使用され、ネットワークの重みに関する損失関数を計算します。多層ニューラルネットワークで機能し、入出力マッピングの内部表現を観察します。

これは、人工ネットワークトレーニングの標準形式であり、ネットワーク内のすべての重みに関する勾配損失関数を計算するのに役立ちます。バックプロパゲーションアルゴリズムは、連鎖律法によってニューラルネットワークをより効果的にトレーニングするために使用されます。これは、各フォワードの後に​​、モデルの引数を調整することにより、バックプロパゲーションがWebを介したバックワードパスを実装することを定義します。

この勾配は、単純な確率的勾配降下アルゴリズムで使用され、誤差を最小化する重みを見つけます。エラーは、出力ノードから内部ノードに逆方向に伝播します。

バックプロパゲーションは、トレーニングタプルのデータ収集を繰り返し処理し、すべてのタプルのネットワークのインジケーターを実際の既知のターゲット値と比較することで理解します。目標値は、トレーニングタプルの既知のクラスラベル（分類の問題の場合）または連続値（予測の場合）にすることができます。

トレーニングタプルごとに、ネットワークの予測と実際のターゲット値の間の平均二乗誤差を最小化するように重みが変更されます。これらの変更は、「逆方向」の方向、つまり、出力レイヤーから各非表示レイヤーを経由して最初の非表示レイヤーに至るまで行われます（そのため、バックプロパゲーションという名前が付けられています）。保護されていませんが、通常、ウェイトは最終的に組み立てられ、学習プロセスは終了します。

バックプロパゲーションの種類

バックプロパゲーションには次の2種類があります-

静的バックプロパゲーション −このタイプのバックプロパゲーションでは、静的入力のマッピングにより静的出力が生成されます。光学式文字認識などの静的分類の問題を解決できます。

再発性バックプロパゲーション − Recurrent Propagationは、特定の決定値またはしきい値に達するまで、前方に向けられるか、実行されます。特定の値の後、バグが計算され、逆方向に伝播されます。