Algoritma Back-Propagation
back-propagation algorithms (backprop algorithms)
Ringkasan Singkat
Algoritma back-propagation adalah metode pelatihan umum untuk jaringan saraf tiruan, yang menyesuaikan bobot untuk meminimalkan kesalahan output.
Algoritma back-propagation (sering disingkat backprop algorithms) adalah salah satu metode pelatihan yang paling banyak digunakan untuk jaringan saraf tiruan (artificial neural networks), khususnya untuk jaringan saraf feedforward. Tujuan utamanya adalah untuk menyesuaikan bobot koneksi antar-neuron dalam jaringan sehingga output jaringan semakin mendekati output yang diharapkan.
Proses ini bekerja dalam dua fase: pertama, sinyal input diteruskan ke depan melalui jaringan untuk menghasilkan output. Kedua, kesalahan antara output yang dihasilkan dan output yang diharapkan dihitung, dan kesalahan ini kemudian disebarkan mundur melalui jaringan (dari lapisan output ke lapisan input) untuk menghitung gradien kesalahan terhadap setiap bobot. Gradien ini kemudian digunakan untuk memperbarui bobot menggunakan teknik optimisasi seperti penurunan gradien (gradient descent). Dengan iterasi berulang, algoritma ini memungkinkan jaringan untuk belajar dan meningkatkan akurasinya dalam memecahkan tugas-tugas kompleks seperti pengenalan pola dan klasifikasi.
Referensi Yang Bisa Anda Gunakan
- American Psychological Association. (n.d.). APA Dictionary of Psychology. Retrieved from https://dictionary.apa.org/back-propagation-algorithms
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533-536.
Peringatan Sitasi Akademik
Halaman ini disusun murni sebagai alat bantu pemahaman awal. Dilarang keras mengutip halaman ini sebagai sitasi utama dalam karya ilmiah atau tugas akhir. Silakan gunakan literatur primer yang tercantum pada daftar pustaka.