在神经网络中，前向传播和反向传播分别起着什么作用？请描述它们各自的工作流程。

回答思路

1. 【回答框架 1】前向传播是从输入层开始，将数据逐层通过权重和激活函数计算，得到最终输出。数据流方向为输入到输出，每一层仅依赖前一层的输出。
2. 【回答框架 2】反向传播是基于损失函数，从输出层开始，利用链式法则逐层计算梯度，用于更新参数。梯度流方向为输出到输入。
3. 【回答框架 3】前向传播负责计算预测值，反向传播负责计算损失对每个参数的偏导，两者共同构成一次训练迭代。
4. 【回答框架 4】参数更新通过梯度下降等优化算法进行，前向传播和反向传播交替执行，直到模型收敛。
5. 【关键点 1】前向传播：输入数据经过每层加权和激活函数，得到预测输出。
6. 【关键点 2】反向传播：利用链式法则计算损失对各参数的梯度。
7. 【关键点 3】两者配合完成一次训练：前向计算损失，反向计算梯度并更新参数。