Apa itu jaringan saraf backpropagation?

Dalam dunia pemrograman, komputer dan kecerdasan buatan, jaringan saraf backpropagasi hanyalah semacam jaringan saraf buatan (JST) yang menggunakan backpropagation.Backpropagation adalah fundamental dan merupakan algoritma yang umum digunakan yang menginstruksikan Ann bagaimana melaksanakan tugas yang diberikan.Meskipun konsep ini mungkin tampak membingungkan, dan setelah melihat persamaan yang diperlukan selama proses tampaknya benar -benar asing, konsep ini, bersama dengan jaringan saraf yang lengkap, cukup mudah dimengerti.

Bagi mereka yang tidak terbiasa dengan jaringan saraf,Ann, atau hanya NN yang merupakan singkatan dari "Neural Network," adalah model matematika yang berpola setelah fitur-fitur tertentu dari jaringan saraf kehidupan nyata, seperti yang ditemukan dalam makhluk hidup.Otak manusia adalah jaringan saraf pamungkas yang fungsinya memberikan beberapa petunjuk tentang cara meningkatkan struktur dan pengoperasian NNS buatan.Seperti otak yang paling belum sempurna, ANN memiliki jaringan neuron buatan yang saling berhubungan yang memproses informasi.

Yang menarik tentang hal itu adalah bahwa ANN dapat beradaptasi dan memodifikasi strukturnya bila perlu, sesuai dengan informasi yang diterimanya dari lingkungan dan dari dalam jaringan.Ini adalah model komputasi canggih yang menggunakan analisis data statistik non-linear, dan mampu menafsirkan hubungan yang kompleks di antara data seperti input dan output.Ini dapat menyelesaikan masalah yang tidak dapat diselesaikan dengan menggunakan metode komputasi tradisional.

Ide untuk jaringan saraf backpropagation pertama kali muncul pada tahun 1969 dari karya Arthur E. Bryson dan Yu-Chi Ho.Pada tahun -tahun berikutnya, programmer dan ilmuwan lain menyempurnakan gagasan itu.Mulai tahun 1974 jaringan saraf backpropagation kemudian diakui sebagai terobosan inovatif dalam studi dan penciptaan jaringan saraf buatan.Lakukan fungsinya dengan benar.Jaringan saraf backpropagation menggunakan bentuk umum dari aturan delta untuk memungkinkan pembelajaran jaringan saraf.Ini berarti menggunakan guru yang mampu menghitung output yang diinginkan dari input tertentu yang dimasukkan ke dalam jaringan.

Dengan kata lain, jaringan saraf backpropagation belajar dengan memberi contoh.Programmer memberikan model pembelajaran yang menunjukkan apa output yang benar, mengingat serangkaian input tertentu.Contoh input-output ini adalah guru, atau model, bahwa bagian lain dari jaringan dapat pola perhitungan selanjutnya setelah.

Seluruh proses berlangsung secara metodis dalam interval yang diukur.Diberi serangkaian input yang pasti, JST menerapkan perhitungan yang dipelajari dari model untuk menghasilkan output awal.Kemudian membandingkan output ini dengan output yang diketahui, diharapkan, atau baik yang awalnya, dan membuat penyesuaian sesuai kebutuhan.Dalam prosesnya, nilai kesalahan dihitung.Ini kemudian diperbanyak bolak -balik melalui jaringan saraf backpropagation sampai output terbaik ditentukan.