procedura typu BackwardStep (krokowej propagacji wstecznej). Końcowym wynikiem aktywacji zaimplementowanej sieci jest wektor wartości wyjściowych ostatniej warstwy. Porównując go z ciągiem uczącym obliczamy błąd, jaki popełniła sieć <gap> gdzie <gap> - wartości jednostek wyjściowych warstwy wyjściowej N,& - oczekiwana wartość na wyjściu (element zbioru uczącego analogiczny jak we wzorze 8.20), c = 1 , 2 , ... , C , C = M - liczba klas. Na jego podstawie możemy obliczyć pochodną, która określa wartość poprawki w wag rozpatrywanej sieci ANN. Wyniki obliczeń poprawek dla wag mogą być zapisane w postaci macierzowej <gap> gdzie rzędy macierzy przedstawiają obliczone poprawki wag pojedynczego neuronu warstwy n . Chcąc stworzyć formułę obliczeniową., dla warstw ukrytych i wejściowej