شبکه‌های عصبی چگونه آموزش می‌بینند

---

شبکه‌های عصبی از طریق فرآیند **آموزش (Training)** با استفاده از مجموعه‌ای از داده‌ها یاد می‌گیرند. این فرایند به طور خلاصه شامل مراحل زیر است:

۱. **ورودی و پیش‌بینی:** شبکه ورودی داده را دریافت کرده و یک خروجی اولیه (پیش‌بینی) تولید می‌کند.
۲. **محاسبه خطا (Loss Function):** میزان تفاوت بین خروجی پیش‌بینی شده و خروجی واقعی (هدف) محاسبه می‌شود که این مقدار "خطا" یا زیان است.
۳. **پس‌انتشار خطای پس‌خوراند (Backpropagation):** این خطا به صورت معکوس از خروجی به ورودی منتشر می‌شود تا مشخص شود هر وزن و بایاس (وزن‌ها و اعداد ثابت شبکه) چقدر در ایجاد این خطا سهم داشته‌اند.
۴. **بهینه‌سازی (Optimization/Gradient Descent):** با استفاده از نرخ یادگیری، وزن‌ها و بایاس‌ها کمی تنظیم می‌شوند تا دفعه بعدی خطای کمتری تولید شود.

این چرخه (پیش‌بینی ← محاسبه خطا ← به روز رسانی وزن) هزاران یا میلیون‌ها بار تکرار می‌شود تا شبکه کارآمدترین حالت ممکن را پیدا کند.