شريط الأخبار
وزير الخارجية التركي: سوريا ليست ملكا لإسرائيل المقاومة: نصف الأسرى يتواجدون في مناطق طلب الاحتلال إخلاءها الملك يعود إلى أرض الوطن السعودية تدين قصف مركز تابع لها في مدينة رفح بغزة الدفاع المدني يتعامل مع 1473 حالة إسعاف و108 حوادث إنقاذ خلال 24 ساعة الجامعة العربية تحذر من العجز العالمي أمام جرائم العدوان الإسرائيلي في المنطقة صحة غزة:86 شهيدا وصلوا المستشفيات خلال 24 ساعة الأردن يدين بأشد العبارات قصف إسرائيل مدرسة دار الأرقم في غزة الملك يلتقي رئيس الوزراء البلغاري في صوفيا عجلون: القرى التراثية تستقطب الزوار وتفتح آفاقا للسياحة والاستثمار الأميرة غيداء طلال : لا يوجد أجمل من رؤية الفرح في عيون أطفالنا في مركز الحسين للسرطان السفير الصيني في عمان يؤكد أهمية دور الإعلام في تعزيز العلاقات بين البلدين شهيد برصاص قوات الاحتلال في جنين 3 شهداء بغارة إسرائيلية على صيدا بجنوب لبنان أجواء لطيفة الحرارة في أغلب المناطق اليوم وغدا وارتفاع الأحد المنطقة العسكرية الشمالية تحبط محاولة تسلل على واجهتها مصر تدين انتهاك إسرائيل السافر للسيادة السورية وعيادة للأونروا جلسة طارئة لمجلس الأمن لمناقشة الوضع في فلسطين تعليمات معدلة لتعليمات الاستيراد والتصدير في منطقة العقبة الاقتصادية الخاصة الملك يبحث مع الرئيس البلغاري العلاقات الثنائية والمستجدات الإقليمية

مفهوم الانتشار الخلفي

مفهوم الانتشار الخلفي

القلعة نيوز - الانتشار الخلفي (Backpropagation) هو خوارزمية تُستخدم في تدريب الشبكات العصبية الاصطناعية. يتم استخدامها لاكتشاف الأخطاء في أداء الشبكة ومن ثم تعديل الأوزان بشكل عكسي عبر الطبقات لتصحيح هذه الأخطاء. يتم تكرار هذه العملية حتى يتم تقليل الخطأ بشكل كبير وتتوافق المخرجات الفعلية مع المخرجات المطلوبة.


تتألف الشبكة العصبية من طبقة المدخلات وطبقة الإخراج وطبقات مخفية بينهما. تتكون كل طبقة من وحدات أو عقدات متصلة ببعضها عبر الطبقات. تعطى هذه الوحدات وزنًا يُمثل أهمية ظهورها في تكوين المخرجات. يتم ضبط الأوزان بناءً على الأخطاء التي تم اكتشافها في المخرجات، حيث يتم تعديل الأوزان بشكل يقلل الخطأ ويقرب المخرجات الفعلية من المخرجات المطلوبة.

تُعتبر خوارزمية الانتشار الخلفي مهمة للعديد من الأسباب، بما في ذلك:

برمجتها بسيطة وسهلة وتستجيب بشكل سريع.
لا تتطلب مهارات خاصة من المستخدم، فقط يحتاج إلى ضبط الأوزان.
تعمل بكفاءة عالية وتتميز بأداء قياسي، حيث يمكن للشبكة العصبية معالجة ملايين البيانات وترتيبها بسرعة، بينما يتطلب ذلك الكثير من الوقت والجهد للبشر.
لديها مرونة وقدرة على التعديل المستمر من خلال ضبط الأوزان.

تُستخدم خوارزمية الانتشار الخلفي في تطبيقات الذكاء الاصطناعي بشكل واسع، مثل تعرف الصور والوجوه وأنظمة التعرف على الكلام والأنظمة الناطقة للروبوتات ومساعدات الهواتف الذكية. يتم تدريب الشبكة العصبية في هذه التطبيقات باستخدام خوارزمية الانتشار الخلفي لتحسين أدائها وتعلم المهام المحددة.