Forward Propagation (Vorwärtspropagierung)

Forward Propagation ist der Prozess, bei dem Eingabedaten durch die verschiedenen Schichten eines neuronalen Netzwerks geleitet werden, um eine Ausgabe zu berechnen. Eingabe → gewichtete Summation → Aktivierungsfunktion → Weitergabe zur nächsten Schicht → finale Ausgabe.

Mathematisch: $Z = \Sigma(Eingabe \times Gewicht) + Bias$; dann Aktivierungsfunktion anwenden. Aktivierungsfunktionen: ReLU (für Nicht-Linearität), Sigmoid (für Wahrscheinlichkeiten), Tanh.

Bedeutung: Forward Propagation ermöglicht Mustererkennung, liefert Vorhersagen für den Vergleich mit Sollwerten und ist die Grundlage für Backpropagation (Lernen aus Fehlern). Zusammen bilden Forward und Backpropagation den Trainingszyklus neuronaler Netzwerke.