बैकप्रोपेगेशन पूरी प्रक्रिया को परिभाषित करता है जिसमें ग्रेडिएंट की गणना और स्टोकेस्टिक ग्रेडिएंट डिसेंट में इसकी आवश्यकता दोनों शामिल हैं। तकनीकी रूप से, बैकप्रोपेगेशन का उपयोग नेटवर्क के संशोधन योग्य वजन के संबंध में नेटवर्क की त्रुटि के ग्रेडिएंट की गणना के लिए किया जाता है।
बैकप्रोपेगेशन की विशेषताएं पुनरावृत्त, पुनरावर्ती और प्रभावी दृष्टिकोण हैं जिसके माध्यम से यह नेटवर्क को तब तक अद्यतन वजन की गणना करता है जब तक यह उस फ़ंक्शन को निष्पादित नहीं कर सकता जिसके लिए इसे प्रशिक्षित किया जा रहा है। वेब डिज़ाइन समय पर सक्रियण फ़ंक्शन के डेरिवेटिव को जानना बैकप्रोपेगेशन के लिए आवश्यक है।
बैकप्रोपेगेशन आमतौर पर न्यूरल नेटवर्क प्रशिक्षण में उपयोग किया जाता है और नेटवर्क के वजन के संबंध में हानि फ़ंक्शन की गणना करता है। यह बहु-स्तरीय न्यूरल नेटवर्क के साथ कार्य करता है और इनपुट-आउटपुट मैपिंग के आंतरिक प्रतिनिधित्व का अवलोकन करता है।
यह कृत्रिम नेटवर्क प्रशिक्षण का एक मानक रूप है, जो नेटवर्क में सभी वजन के संबंध में ग्रेडिएंट हानि फ़ंक्शन की गणना करने में मदद करता है। बैकप्रोपेगेशन एल्गोरिथ्म चेन नियम विधि के माध्यम से न्यूरल नेटवर्क को अधिक प्रभावी ढंग से प्रशिक्षित करने के लिए उपयोग किया जाता है। यह प्रत्येक फॉरवर्ड के बाद परिभाषित करता है, बैकप्रोपेगेशन मॉडल के तर्कों को समायोजित करके एक वेब के माध्यम से बैकवर्ड पास लागू करता है।
इस ग्रेडिएंट का उपयोग सरल स्टोकेस्टिक ग्रेडिएंट डिसेंट एल्गोरिथ्म में उन वजन को खोजने के लिए किया जाता है जो त्रुटि को कम करते हैं। त्रुटि आउटपुट नोड्स से आंतरिक नोड्स तक पीछे की ओर प्रसारित होती है।
बैकप्रोपेगेशन प्रशिक्षण टुपल्स के डेटा संग्रह को पुनरावृत्त रूप से संसाधित करके समझता है, प्रत्येक टुपल के लिए नेटवर्क के संकेतक की तुलना वास्तविक ज्ञात लक्ष्य मूल्य से करता है। लक्ष्य मूल्य प्रशिक्षण टुपल का ज्ञात क्लास लेबल हो सकता है (वर्गीकरण मुद्दों के लिए) या एक निरंतर मूल्य (भविष्यवाणी के लिए)।
प्रत्येक प्रशिक्षण टुपल के लिए, वजन को इस तरह संशोधित किया जाता है कि नेटवर्क की भविष्यवाणी और वास्तविक लक्ष्य मूल्य के बीच माध्य वर्ग त्रुटि न्यूनतम हो। ये संशोधन "पिछड़े" दिशा में किए जाते हैं, अर्थात, आउटपुट लेयर से, प्रत्येक छिपी हुई लेयर के माध्यम से पहली छिपी हुई लेयर तक (इसलिए नाम बैकप्रोपेगेशन)। हालांकि यह संरक्षित नहीं है, सामान्यतः वजन अंततः इकट्ठा होंगे, और सीखने की प्रक्रिया समाप्त होगी।
बैकप्रोपेगेशन के प्रकार
बैक प्रोपेगेशन के दो प्रकार हैं जो इस प्रकार हैं -
स्टैटिक बैक प्रोपेगेशन - इस प्रकार के बैकप्रोपेगेशन में, स्थिर इनपुट के मैपिंग के कारण स्थिर आउटपुट उत्पन्न होता है। यह ऑप्टिकल कैरेक्टर रिकग्निशन जैसे स्थिर वर्गीकरण मुद्दों को हल कर सकता है।
रिकरंट बैकप्रोपेगेशन - रिकरंट प्रोपेगेशन को तब तक आगे निर्देशित या संचालित किया जाता है जब तक एक निश्चित निर्धारित मूल्य या सीमा मूल्य नहीं पहुंच जाता। विशिष्ट मूल्य के बाद, बग की गणना की जाती है और पीछे की ओर प्रसारित किया जाता है।
