.Perkembangan JST dengan single layer terhenti pada sekitar tahun 1970-an. Hal ini disebabkan JST dengan single layer (hanya memiliki input layer dan output layer) memiliki kelemahan dalam pengenalan pola. Kelemahan ini bisa diatasi dengan penambahan beberapa hidden layer diantara input layer dan output layer.Backpropagation Standar
Perubahan arsitektur ini mengakibatkan algoritma pelatihan sebelumnya untuk single layer tidak bisa digunakan lagi. Tentu saja dibutuhkan algoritma baru untuk melakukan pelatihan JST dengan beberapa layer.
Penemuan algoritma backpropagation turut memberi andil dalam perkembangan JST apalagi setelah banyak aplikasi yang mampu diselesaikan, membuat JST semakin diminati orang. Seperti halnya pada algoritma pelatihan JST lainnya, backpropagation melatih jaringan sehingga didapatkan jaringan yang memiliki kemampuan untuk mengingat akan pola-pola training (memori) dan memberikan respon yang benar terhadap pola-pola yang belum dikenal sebelumnya (generalisasi).
Arsitektur Backpropagation
Arsitektur standar yang biasa dipakai dalam backpropagation adalah Feed Forward Neural Network (FFNN) Multi Layer Perceptron (MLP). JST ini memiliki p unit neuron (ditambah bias) yang ada di dalam satu atau lebih hidden layer, n buah masukan (ditambah bias) dan terdapat m buah unit keluaran
0 komentar:
Posting Komentar