Метод обратного распространения ошибки — это метод вычисления градиента, который используется при обновлении весов многослойного перцептрона. 1
Основная идея метода состоит в распространении сигналов ошибки от выходов сети к её входам, в направлении, обратном прямому распространению сигналов в обычном режиме работы. 1
Цель метода — подстройка весов нейросети, которая позволит при приложении некоторого множества входов получить требуемое множество выходов нейронов. 2
Пошаговая реализация метода обратного распространения ошибки: 2
Инициализировать синаптические веса случайными маленькими значениями. 2 Выбрать из обучающего множества очередную обучающую пару, подать на вход сети входной вектор. 2 Выполнить вычисление выходных значений нейронной сети. 2 Посчитать разность между выходом нейросети и требуемым выходом (речь идёт о целевом векторе обучающей пары). 2 Скорректировать веса сети в целях минимизации ошибки. 2 Повторять для каждого вектора обучающего множества шаги 2–5, пока ошибка обучения нейронной сети на всём множестве не достигнет приемлемого уровня
https://yandex.ru/video/preview/15486301052426991448 https://yandex.ru/video/preview/3335083786136933133 https://yandex.ru/video/preview/1711306614306323501
https://habr.com/ru/companies/otus/articles/483466/ https://ru.wikipedia.org/wiki/Метод_обратного_распространения_ошибки https://education.yandex.ru/handbook/ml/article/metod-obratnogo-rasprostraneniya-oshibki https://otus.ru/nest/post/1592/