Cara Kerja Backpropagation
Arsitektur :
Dalam metode Backpropagation, biasanya digunakan jaringan multilayer.
Pada gambar, unit input dilambangkan dengan X, hidden unit dilambangkan dengan Z, dan unit output dilambangkan dengan Y.
Bobot antara X dan Z dilambangkan dengan v sedangkan bobot antara Z dan Y dilambangkan dengan w.
Seperti yang diperlihatkan pada gambar diatas bahwa jaringan Backpropagation terdiri dari 3 sel neuron pada lapisan input yaitu x1,x2,dan x3; 2 sel neuron pada lapisan tersembunyi yaitu z1 dan z2; serta 1 sel neuron pada lapisan output yaitu y. Nilai bias b1 yang di berikan pada lapisan tersembunyi bertujuan untuk mengolah data input ditambah bobot Vij yang masuk ke dalam sel-sel pada lapisan tersembunyi dengan bantuan fungsi aktifasi. Begitupula dengan nilai bias b2 yang diberikan pada lapisan keluaran adalah untuk mengolah data yang berasal dari keluaran sel pada lapisan tersembunyi ditambah bobot Wij yang masuk kedalam lapisan keluaran dengan bantuan fungsi aktifasi.
Dalam metode Backpropagation, biasanya digunakan jaringan multilayer.
Pada gambar, unit input dilambangkan dengan X, hidden unit dilambangkan dengan Z, dan unit output dilambangkan dengan Y.Bobot antara X dan Z dilambangkan dengan v sedangkan bobot antara Z dan Y dilambangkan dengan w.
Seperti yang diperlihatkan pada gambar diatas bahwa jaringan Backpropagation terdiri dari 3 sel neuron pada lapisan input yaitu x1,x2,dan x3; 2 sel neuron pada lapisan tersembunyi yaitu z1 dan z2; serta 1 sel neuron pada lapisan output yaitu y. Nilai bias b1 yang di berikan pada lapisan tersembunyi bertujuan untuk mengolah data input ditambah bobot Vij yang masuk ke dalam sel-sel pada lapisan tersembunyi dengan bantuan fungsi aktifasi. Begitupula dengan nilai bias b2 yang diberikan pada lapisan keluaran adalah untuk mengolah data yang berasal dari keluaran sel pada lapisan tersembunyi ditambah bobot Wij yang masuk kedalam lapisan keluaran dengan bantuan fungsi aktifasi.
Cara Kerja :
Metode Backpropagation adalah salah satu metode pelatihan terawasi (supervised learning) pada jaringan syaraf. Dimana ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan oleh jaringan.
Model Backpropagation (perambatan balik) merupakan algoritma pembelajaran / pelatihan dengan :
• banyak sel dalam jaringan.
• banyak lapisan dalam jaringan.
• menggunakan error output untuk merubah nilai bobot
• perambatan forward
• perambatan backward
Backpropagation cocok digunakan untuk JST jenis feedforward, yaitu jaringan yang tidak memiliki feedback. Backpropagation sebenarnya kependekan dari “backwards propagation of errors”. Backpropagation digunakan untuk mencari error gradient dari jaringan terhadap bobot-bobot jaringan yang dapat dimodifikasi. Error gradient ini yang akan digunakan untuk mencari nilai bobot yang akan meminimalkan eror.
Metode Backpropagation adalah salah satu metode pelatihan terawasi (supervised learning) pada jaringan syaraf. Dimana ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan oleh jaringan.
Model Backpropagation (perambatan balik) merupakan algoritma pembelajaran / pelatihan dengan :
• banyak sel dalam jaringan.
• banyak lapisan dalam jaringan.
• menggunakan error output untuk merubah nilai bobot
• perambatan forward
• perambatan backward
Backpropagation cocok digunakan untuk JST jenis feedforward, yaitu jaringan yang tidak memiliki feedback. Backpropagation sebenarnya kependekan dari “backwards propagation of errors”. Backpropagation digunakan untuk mencari error gradient dari jaringan terhadap bobot-bobot jaringan yang dapat dimodifikasi. Error gradient ini yang akan digunakan untuk mencari nilai bobot yang akan meminimalkan eror.
Gambar di atas merupakan alur proses dari JST Backpropagation secara umum.
Aplikasi :
Contoh aplikasi JST Backpropagation antara lain :
Contoh aplikasi JST Backpropagation antara lain :
- Pengenalan Huruf Cetak pada Citra Digital
- Memprediksi Tingkat Suku Bunga Bank
Komentar
Posting Komentar