1️⃣ ورود داده‌ها (Input Layer)
هر عدد از داده‌ (مثل پیکسل تصویر یا ویژگی‌های ورودی) به نودهای لایه‌ی ورودی میره.

2️⃣ پردازش در لایه‌های پنهان (Hidden Layers)
اینجا مغز واقعی شبکه‌ست!
هر نود، وزن‌هایی به ورودی‌ها اعمال می‌کنه، اون‌ها رو جمع می‌کنه و از یک تابع فعال‌سازی (Activation Function) عبورشون میده تا الگوها رو بهتر درک کنه.

3️⃣ خروجی (Output Layer)
نتیجه‌ی پردازش، مثلاً «این تصویر گربه‌ست یا سگ؟» در خروجی ظاهر میشه.

4️⃣ محاسبه خطا (Cost Function)
خروجی شبکه با مقدار واقعی مقایسه میشه تا میزان خطا مشخص بشه.

5️⃣ یادگیری با پس‌انتشار خطا (Backpropagation)
شبکه وزن‌ها رو تغییر میده تا در دفعات بعدی، خطا کمتر بشه — یعنی یاد می‌گیره! 🔁

✨ به زبان ساده:
شبکه‌ عصبی مثل مغز انسان با تجربه یاد می‌گیره؛ بارها اشتباه می‌کنه، ولی هر بار بهتر از قبل تصمیم می‌گیره.

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