⚙️ بعد Optimizer وزن‌ها رو کمی تغییر میده.

داده دوباره وارد شبکه می‌شه.
شبکه با توجه به وزن‌های فعلی خودش یه پیش‌بینی تولید می‌کنه.
بعد مقدار خطا یا Loss با مقایسه پیش‌بینی و پاسخ درست محاسبه می‌شه.
در مرحله Backpropagation، مشخص می‌شه هر وزن چقدر در ایجاد خطا نقش داشته.
در نهایت، وزن‌ها کمی تغییر می‌کنن تا شبکه دفعه‌های بعد پیش‌بینی دقیق‌تری داشته باشه.

🔄 این چرخه هزاران بار تکرار می‌شود تا عملکرد شبکه به‌تدریج بهتر شود.

وزن‌هایی که اول کار چیزی از مسئله نمی‌دونستن، کم‌کم طوری تنظیم میشن که مدل بتونه الگوهای داده رو یاد بگیره.

📌 این، هسته اصلی فرایند یادگیری یک شبکه عصبیه.

📌مرجع تخصصی هوش مصنوعی و علم داده
❇️ سایت | بله | تلگرام | اینستاگرام