Ang backpropagation ay isang pundamental na algorithm na ginagamit upang sanayin ang mga malalim na neural network. Nakatutulong ito sa pag-aayos ng mga bigat ng network upang mabawasan ang pagkakamali. Ang gabay na ito ay nagbibigay ng isang hakbang-by-path proseso upang epektibong ipatupad ang backpropagation.

Pag - unawa sa mga Saligang Bagay

Ang backpropagation ay nagsasangkot ng pagkalkula sa bigat ng nababawasan na may kinalaman sa bawat pabigat sa network.

Hakbang 1: Paunahin ang Timbang

Sa simula, ang tamang pag - iimbento ng mga bagay na may kaugnayan sa mga neuron ay magpapabuti sa kahusayan at kakayahan ng pagsasanay.

Hakbang 2: Pasaog

Sa yugtong ito, ang mga imput data ay inililista sa bawat layer gamit ang kasalukuyang mga pabigat at pagkiling.

Hakbang 3: Magkaroon ng Higit na Kawalan

Ang pagkakaiba ng hinulaang output at ng aktuwal na puntirya ay sinusukat gamit ang isang tungkuling pagkawala, tulad ng mean squared error o cross-entropy.

Hakbang 4: Pasalungang Pasa

Suriin ang pag - urong ng kawalan kung tungkol sa bawat timbang sa pamamagitan ng pagpapatihulog ng paatras sa pagkakamali sa pamamagitan ng network.

Hakbang 5: Updated Weights

Ibagay ang timbang at pagkiling gamit ang mga zigg at bilis ng pagkatuto. Ang hakbang na ito ay nakababawas sa pagkawala at nagpapabuti sa paggawa ng network.

  • Ilagay sa unahan ang mga pabigat
  • Gawin ang pasulong na paglipas
  • Tuusin ang pagkawala
  • Kompetitibong mga Pag - aangat sa Pamamagitan ng Pag - urong
  • Mga timbang na nasa panahon