大家好，这里是好评笔记，本文为试读，查看全文请移步公主号：Goodnote。本文简要介绍深度学习的前向传播与反向传播，以及前馈神经网络与反馈神经网络。
@[toc]
前向传播与反向传播
前向传播（Forward Propagation）
前向传播是将输入数据从输入层依次通过神经网络的各个隐藏层，最后输出预测结果的过程。该过程用于计算网络的预测结果，以及在训练过程中计算损失函数值。它的基本步骤如下：
6. 计算损失
前向传播的作用：
- 计算输出：将输入数据通过网络生成预测结果。
- 计算损失：在训练过程中，通过输出结果与真实标签计算损失函数值（如均方误差、交叉熵等），衡量模型的预测误差。
反向传播（Back Propagation）
反向传播是通过计算损失函数相对于每层参数（权重和偏置）的梯度，从输出层向输入层更新参数，从而最小化损失函数的过程。使用梯度下降法（还有动量梯度下降法、Adagrad、RMSprop、Adam）更新参数具体步骤如下：
详细全文请移步公主号：Goodnote。
