În lumea programării, a computerelor și a inteligenței artificiale, o rețea neuronală cu backpropagation este pur și simplu un fel de rețea neuronală artificială (ANN) care folosește backpropagation. Propagarea inversă este un algoritm fundamental și utilizat în mod obișnuit, care instruiește un ANN cum să realizeze o anumită sarcină. Chiar dacă acest concept poate părea confuz și, după ce se uită la ecuațiile necesare în timpul procesului, pare complet străin, acest concept, împreună cu rețeaua neuronală completă, este destul de ușor de înțeles.
Pentru cei care nu sunt familiarizați cu rețelele neuronale, un ANN sau pur și simplu un NN, care înseamnă „rețea neuronală”, este un model matematic care este modelat după anumite caracteristici ale rețelelor neuronale din viața reală, cum ar fi cele găsite în ființele vii. Creierul uman este rețeaua neuronală supremă a cărei funcționare oferă câteva indicii despre cum să îmbunătățească structura și funcționarea NN-urilor artificiale. La fel ca un creier cel mai rudimentar, un ANN are o rețea de neuroni artificiali interconectați care procesează informații.
Ceea ce este fascinant este că o ANN își poate adapta și modifica structura atunci când este necesar, în funcție de informațiile pe care le primește din mediu și din interiorul rețelei. Este un model de calcul sofisticat care utilizează analiza statistică neliniară a datelor și este capabil să interpreteze relații complexe între date, cum ar fi intrările și ieșirile. Poate rezolva probleme care nu pot fi rezolvate folosind metodele tradiționale de calcul.
Ideea unei rețele neuronale de propagare inversă a apărut pentru prima dată în anul 1969 din munca lui Arthur E. Bryson și Yu-Chi Ho. În anii următori, alți programatori și oameni de știință au rafinat ideea. Începând cu 1974, rețeaua neuronală de backpropagation a ajuns să fie recunoscută ca o descoperire inovatoare în studiul și crearea rețelelor neuronale artificiale.
Învățarea rețelelor neuronale este o sarcină majoră în cadrul unei ANN care asigură că aceasta continuă să fie capabilă să proceseze datele corect și, prin urmare, să își îndeplinească funcția în mod corespunzător. O rețea neuronală cu propagare inversă utilizează o formă generalizată a regulii delta pentru a permite învățarea rețelei neuronale. Aceasta înseamnă că folosește un profesor care este capabil să calculeze ieșirile dorite din anumite intrări introduse în rețea.
Cu alte cuvinte, o rețea neuronală cu propagare inversă învață prin exemplu. Programatorul oferă un model de învățare care demonstrează care ar fi rezultatul corect, având în vedere un set specific de intrări. Acest exemplu de intrare-ieșire este profesorul, sau modelul, după care alte părți ale rețelei pot modela calculele ulterioare.
Întregul proces decurge metodic în intervale măsurate. Având în vedere un set definit de intrări, ANN-ul aplică calculul învățat din model pentru a obține o ieșire inițială. Apoi compară această ieșire cu rezultatul inițial cunoscut, așteptat sau bun și face ajustări după cum este necesar. În acest proces, se calculează o valoare de eroare. Acesta este apoi propagat înainte și înapoi prin rețeaua neuronală de propagare inversă până când este determinată cea mai bună ieșire posibilă.