Backpropagation

Backpropagation je technika užitá na školení neuronové sítě. To je užitečné jen pro krmení-předat sítě (sítě, které mají žádnou odezvu, nebo prostě, to mají žádné spojitosti tu smyčku).

Backpropagation také vyžaduje to funkce převodu používala pro neurons být differentiable.

Podstata techniky je takto -

1. Představujte vzorek školení k neuronové síti.
2. Porovnejte NN výstup k požadovanému výstupu od toho pára vzorku. Spočítat chybu v každém výstupu neuron.
3. Pro každého neuron, počítat od chyby, skutečného výkonu a faktoru oškrabávání, jak hodně nižší nebo vyšší to by mělo být. Toto je místní chyba.
4. Používání neurons váhy na tom má přícházející souvislosti, přiřadit “vinu” pro místní chybu k neurons u předchozí úrovně.
5. Opakují kroky nahoře na neurons u předchozí úrovně, používat každého ones “vina” jako jejich chyba.

Jako algoritmus' s jméno znamená, chyby (a proto učení) množit zpět od výstupních uzlů k vnitřním uzlům.

Backpropagation obvykle dovolí rychlé sbližování na místním minima v druhu sítí ke kterému to je vhodné.