17
menjumlahkan delta input
(dari
unit di lapisan
atas).
dikalikan dengan turunan dari fungsi aktivasi
untuk menghitung informasi error.
menghitung koreksi bobot (digunakan untuk
memperbaharui v
ij
)
dan menghitung koreksi bias (digunakan untuk
memperbaharui v
0j
)
Update bobot dan bias
Langkah 8:
Setiap unit output
(Y
k
, k = 1, . .. , m)
memperbaharui bias dan bobot (j = 0 , . . . . , p)
Setiap
hidden unit (Z
j
,
j = 1, . . .
, p)
memperbaharui bobot dan bias (i = 0 , . . . . , n)
Langkah 9:
Tes kondisi berhenti.
Algoritma aplikasi
Setelah training, jaringan saraf backpropagation diaplikasikan
dengan hanya menggunakan fase feedforward
dari algoritma
training. Langkah-langkahnya sebagai berikut oleh Fausett
(1994):
Langkah 0:
Inisialisasi bobot (dari algoritma training).
Langkah 1:
Untuk setiap vektor input lakukan langkah 2-4.
Langkah 2:
Untuk i = 1, . . . , n set aktivasi untuk unit input
x
i
.
Feedforward
Langkah 3:
Untuk setiap j = 1, . . . , p
 |