신경망은 학습효과를 위해 훈련되어야 합니다. 교육 과정은 다음과 같습니다 사전 확장 알고리즘에 의해 계산 된 투영 값은 간격을 계산하기위한 실제 값과 비교하고, 모든 매개 변수에 따라 손실 함수의 그라데이션은 마지막 스프레드의 알고리즘에 의해 계산됩니다. 마지막으로 모든 매개 변수는 그라데이션과 학습 속도를 결합한 다운그레이드 알고리즘으로 업데이트됩니다. 원하는 출력의 생산을 위한 비출력 층의 사용은 복잡한 일이다. 이러한 이유로, 국내외의 연구자들이 많은 시도를 시도한 후 등뒤의 확산이 더 효율적입니다.고급 재생은 전압 신경망을 계산하는 프로세스를 설명하는 데 사용됩니다. 신경망 학습은 훈련 과정이며, 주변 환경을 자극하며, 외래 기능이 네트워크에 입력되고 있습니다. 작업 관계는 신경망 연결의 구조를 통해 결정됩니다. 각 계층의 심각도는 알고리즘에 따라 지속적으로 조정됩니다. 가중치가 특정 값으로 변환되면 학습 프로세스가 종료됩니다. 따라서, 데이터 분류 기능은 신경망을 통해 실현될 수 있다.