Back Propagation (Rückpropagierung)

Back Propagation ist ein Algorithmus zum Training neuronaler Netze. Er berechnet die Gradienten der Verlustfunktion in Bezug auf die Gewichte im Netzwerk. Nach einer Vorwärtspropagierung (Forward Pass) wird der Fehler durch das Netzwerk zurückgeleitet und die Gewichte werden entsprechend angepasst.

Rückpropagierung ist das Fundament des modernen Deep Learnings: Ohne diesen Algorithmus wäre das effiziente Training mehrschichtiger neuronaler Netzwerke nicht möglich. Sie arbeitet in Kombination mit Optimierungsverfahren wie dem Gradientenabstieg.

Der Prozess läuft iterativ: Forward Pass → Fehlerberechnung (Loss Function) → Backward Pass (Gradienten berechnen) → Gewichte aktualisieren. Jede Trainingsrunde verbessert das Modell schrittweise.