Метод обратного распространения ошибки

Материал из Википедии — свободной энциклопедии

Ме́тод обра́тного распростране́ния оши́бки — метод обучения искусственных нейронных сетей, который подразумевает наличие некоего идеального выходного образца для каждого входного вектора. Суть обучения сводится к получению разницы между идеальным значением и полученным.

Впервые метод был описан Полем Дж. Вербосом в 1974, и далее развит Дэвидом И. Румельхатом и Рональдом Дж. Вильямсом в 1986.

Для возможноcти применения этого метода, передаточная функция нейронов должна быть дифференцируема.

Алгоритм метода таков:

• Провод по сети входного вектора (активизация сети).
• Получения идеального значения для каждого нейрона каждого слоя (наиболее простое решение — получения через следующий слой).
• Изменение весовых коэффицентов.