💡 تابع هزینه (Cost Function) در شبکه‌ عصبی چیه؟

تابع هزینه یا Loss / Cost Function، یکی از مهم‌ترین بخش‌های آموزش شبکه‌ عصبیه.
در واقع، این تابع میزان خطای مدل رو نشون میده — یعنی چقدر خروجی شبکه با مقدار واقعی (Label) فرق داره 📉

🧮 کارش چیه؟
در هر مرحله از آموزش، مدل پیش‌بینی می‌کنه و تابع هزینه بررسی می‌کنه که خروجی چقدر اشتباهه.
بعد از اون، الگوریتم پس‌انتشار خطا (Backpropagation) با استفاده از همین مقدار خطا، وزن‌های شبکه رو اصلاح می‌کنه تا پیش‌بینی بعدی بهتر بشه.

📊 چند نمونه معروف از توابع هزینه:

MSE (میانگین مربع خطا) → برای مسائل رگرسیون

Cross-Entropy → برای دسته‌بندی

Hinge Loss → برای SVM و دسته‌بندی دودویی


✅ خلاصه اینکه:
تابع هزینه مثل قطب‌نماست؛ به شبکه میگه چقدر از مسیر درسته و چقدر باید اصلاح بشه تا به هدف نزدیک‌تر شه.

#یادگیری_عمیق #هوش_مصنوعی #DeepLearning #NeuralNetwork
#Computer_Hut
http://t.me/computerhutoriginal