Nim: 23821001
Backpropagation adalah metode yang digunakan dalam jaringan saraf tiruan (neural networks)
untuk melatih model. Tujuannya adalah untuk mengoptimalkan bobot-bobot (weights) dari
neuron-neuron dalam jaringan agar model dapat mempelajari pola dari data yang diberikan.
Berikut adalah ringkasan singkat tentang metode backpropagation beserta contoh perhitungannya
dalam tiga langkah:
1. Feedforward (Penerusan)
Pada langkah ini, data input diteruskan melalui jaringan untuk menghasilkan prediksi. Setiap
neuron dalam jaringan mengalami proses aktivasi berdasarkan bobot-bobotnya.
Prediksi:
z1 = (x1 * w1) + (x2 * w2) = (0.5 * 0.2) + (0.8 * 0.4) = 0.1 + 0.32 = 0.42
z2 = (x1 * w3) + (x2 * w4) = (0.5 * 0.6) + (0.8 * 0.1) = 0.3 + 0.08 = 0.38
Dengan gradien ini, kita dapat memperbarui bobot w3 dan w4 untuk meminimalkan loss dan
melatih jaringan. Proses ini akan diulangiterasi berikutnya untuk mengoptimalkan semua bobot
dalam jaringan.
Refrensi:
Rosenblatt, F. (1957). "The Perceptron, a Perceiving and Recognizing Automaton." Project Para:
An Experiment in Automatic Understanding.