Zpětné šíření je optimalizační algoritmus v neuronových sítích, který se používá ke změně vah mezi neurony v síti, aby minimalizoval chybu mezi předpovídanými výstupy a skutečnými výstupy.
Během trénování neuronové sítě se vstupní data přivedou do sítě a sítě vygenerují výstup. Poté se porovná skutečný výstup s očekávaným výstupem a spočte se chyba. Zpětné šíření se používá k určení, jak by se měly upravit váhy mezi neurony v síti, aby se minimalizovala chyba.
Pro zpětné šíření se využívá derivace funkce chyby vůči váhám sítě. Tato derivace ukazuje, jak velkým způsobem by se chyba změnila, kdybychom změnili danou váhu. Na základě této informace se pak upraví váhy v sítí tak, aby se chyba minimalizovala.
Zpětné šíření je velmi důležité pro trénování neuronových sítí, protože umožňuje sítím učit se a přizpůsobovat se datům a úkolům. Tento algoritmus je široce používán v mnoha oblastech, jako jsou například počítačové vidění, zpracování přirozeného jazyka, rozpoznávání řeči a další.
v Ostravě.