Back Propagation
Back Propagation
Backpropafation adalah algoritma pembelajaran tersupervisi dan terutama digunakan oleh Multi-layerperceptron untuk mengubah bobot yang terhubung dengan neuron layer tersembunyi jaringan.
Algoritma backpropagation menggunakan hitungan error output untuk mengubah nilai bobot dalam
arah mundur.
Untuk mendapatkan error jaringan ini, fasa forwardpropagation harus telah dilakukan sebelumnya. Saat
propagasi dalam arah maju, neuron diaktivasi dengan menggunakan fungsi aktivasi sigmoid.
Rumus aktivasi sigmoid adalah:
1
f ( x )=
1+e x
Algoritma bekerja sebagai berikut:
1. Lakukan fasa forwardpropagation untuk pola input dan hitung error output.
2. Ubah semua nilai bobot dari matriks bobot dengan menggunakan rumus: bobotlama + learning
rate * error output * output(neuroni) * output(neuroni+1) * (1 output(neuroni+1))
3. Kembali ke langkah 1
4. Algoritma berakhir, jika semua pola output cocok dengan pola tujuan.
Contoh: Andaikan anda mempunyai Multi-layer-perceptron sebagai berikut:
output
Mula-mula, nilai bobot diatur ke nilai acak: 0,62; 0,42; 0,55; -0,17 untuk matrik bobot 1 dan 0,35; 0,81
untuk matrik bobot 2.
Learning rate jaringan diatur ke 0,25.
Berikutnya, nilai pola input pertama (0 1) diatur ke neuron layer input (output dari layer input adalah
sama dengan inputnya).