Backpropagation

Wat betekent Backpropagation?

Backpropagation is een algoritme dat wordt gebruikt in kunstmatige intelligentie (AI) om wiskundige gewichtsfuncties te verfijnen en de nauwkeurigheid van de uitvoer van een kunstmatig neuraal netwerk te verbeteren.

Een neuraal netwerk kan worden gezien als een groep verbonden input/output (I/O) nodes. Het nauwkeurigheidsniveau dat elk knooppunt produceert, wordt uitgedrukt als een verliesfunctie (foutpercentage). Backpropagation berekent de wiskundige gradiënt van een verliesfunctie ten opzichte van de andere gewichten in het neurale netwerk. De berekeningen worden vervolgens gebruikt om kunstmatige netwerkknooppunten met hoge foutpercentages minder gewicht te geven dan knooppunten met lagere foutpercentages.

Backpropagation gebruikt een methodologie om output te verbeteren – deze methodologie wordt ‘kettingregel’ genoemd. In principe voert het algoritme na elke voorwaartse passage door een netwerk een achterwaartse passage uit om de gewichten van het model aan te passen.

Een belangrijk doel van backpropagation is om datawetenschappers inzicht te geven in hoe het veranderen van een gewichtsfunctie leidt tot veranderingen in verliesfuncties en het algemene gedrag van het neurale netwerk. De term wordt soms gebruikt als synoniem voor “foutcorrectie”.

Techopedia legt uit wat Backpropagation is

Backpropagation wordt gebruikt om aan te passen hoe nauwkeurig of precies een neuraal netwerk bepaalde inputs verwerkt. Backpropagation maakt gebruik van gradiëntdaling: Een techniek die de gradiënt van de verliesfunctie berekent en deze verdeelt over de lagen van een neuraal netwerk. Het resultaat zijn aangepaste gewichten voor individuele neuronen.

Na het ontstaan van eenvoudige feedforward neurale netwerken, waarbij gegevens slechts één kant op gaan, ontdekten ingenieurs dat ze backpropagation konden gebruiken om neurale inputgewichten achteraf aan te passen.

Hoewel backpropagation kan worden gebruikt in zowel supervised als unsupervised learning, wordt het meestal gekarakteriseerd als een supervised learningalgoritme omdat er in eerste instantie een bekende, gewenste output moet zijn voor elke invoerwaarde om een gradiënt van de verliesfunctie te berekenen.

Gerelateerde begrippen

Margaret Rouse

Margaret Rouse is een bekroond technisch schrijver en docent die bekend staat om haar vermogen om complexe technische onderwerpen uit te leggen aan een niet-technisch, zakelijk publiek. In de afgelopen twintig jaar is haar uitleg verschenen op vele websites en is ze als autoriteit aangehaald in artikelen van de New York Times, Time Magazine, USA Today, ZDNet, PC Magazine en Discovery Magazine. Margaret geniet ervan om IT- en business professionals te helpen om elkaars zeer gespecialiseerde talen te begrijpen. Als je een suggestie hebt voor een nieuwe definitie of hoe je een technische uitleg kunt verbeteren, stuur Margaret dan een…