29
j
dimana
v
j
(n) adalah local field yang dinduksi dari neuron j. Berkenaan dengan
ketidaklinearan dari output yang terletak pada jangkauan 0 = y
j
=
1 persamaan
diatas akan menghasilkan persamaan sebagai berikut jika dilakukan diturunkan
?
'
=
a
exp(-av
j
(n))
j
(v
j
(n))
[1 + exp(-av
(n))
]
2
dengan y
j
(n) = ?
j
(v
j
(n)) , kita dapat melakukan eliminasi terhadap bilangan
eksponen dan merepresentasikannya sebagai berikut
?
'
(v
j
(n)) =
ay
j
(n)[1 -
y
j
(n)]
untuk
setiap
neuron
j
terletak
pada
layer
output,
y
j
(n) = o
j
(n) kita
dapat
melakukan perhitungan local gradient sebagai berikut
d
j
(n) = e
j
(n)?
'
(v
j
(n))
=
a[d
j
(n) - o
j
(n)]o
j
(n)[1 - o
j
(n)]
neuron j adalah node output
dimana
o
j
adalah
sinyal
fungsi
dari
output neuron
j
dan
d
j
(n) adalah
fungsi
response.
Sebaliknya,
untuk
neuron tersembunyi
yang
arbiter,
maka
nilai local
gradient adalah
 |