बैकप्रोपेगेशन पूरी प्रक्रिया को परिभाषित करता है जिसमें ग्रेडिएंट की गणना और स्टोकेस्टिक ग्रेडिएंट डिसेंट में इसकी आवश्यकता दोनों शामिल हैं। तकनीकी रूप से, बैकप्रॉपैगेशन का उपयोग नेटवर्क के परिवर्तनशील भार के संबंध में नेटवर्क की त्रुटि के ग्रेडिएंट की गणना करने के लिए किया जाता है।
बैकप्रोपेगेशन की विशेषताएं पुनरावृत्त, पुनरावर्ती और प्रभावी दृष्टिकोण हैं जिसके माध्यम से यह नेटवर्क को बढ़ाने के लिए अद्यतन वजन की गणना करता है जब तक कि यह उस कार्य को नहीं कर सकता जिसके लिए इसे प्रशिक्षित किया जा रहा है। वेब डिज़ाइन समय पर ज्ञात होने वाली सक्रियण सेवा के डेरिवेटिव्स को बैकप्रोपेगेशन की आवश्यकता होती है।
Backpropagation आमतौर पर तंत्रिका नेटवर्क प्रशिक्षण में उपयोग किया जाता है और नेटवर्क के वजन से संबंधित हानि फ़ंक्शन की गणना करता है। यह एक बहु-परत तंत्रिका नेटवर्क के साथ कार्य करता है और इनपुट-आउटपुट मैपिंग के आंतरिक प्रतिनिधित्व को देखता है।
यह कृत्रिम नेटवर्क प्रशिक्षण का एक मानक रूप है, जो नेटवर्क में सभी भारों के संबंध में ग्रेडिएंट लॉस फंक्शन की गणना करने में मदद करता है। बैकप्रोपेगेशन एल्गोरिथ्म का उपयोग एक श्रृंखला नियम विधि के माध्यम से तंत्रिका नेटवर्क को अधिक प्रभावी ढंग से प्रशिक्षित करने के लिए किया जाता है। यह परिभाषित करता है कि प्रत्येक आगे के बाद, बैकप्रोपेगेशन मॉडल के तर्कों को समायोजित करके एक वेब के माध्यम से पिछड़े को लागू करता है।
इस ग्रेडिएंट का उपयोग सरल स्टोकेस्टिक ग्रेडिएंट डिसेंट एल्गोरिथम में वजन को खोजने के लिए किया जाता है जो त्रुटि को कम करता है। त्रुटि आउटपुट नोड्स से आंतरिक नोड्स तक पीछे की ओर फैलती है।
प्रशिक्षण टुपल्स के डेटा संग्रह को पुनरावृत्त रूप से संसाधित करके बैकप्रोपेगेशन को वास्तविक ज्ञात लक्ष्य मान के साथ प्रत्येक टपल के लिए नेटवर्क के संकेतक की तुलना करके समझा जाता है। लक्ष्य मान प्रशिक्षण टपल (वर्गीकरण मुद्दों के लिए) का ज्ञात वर्ग लेबल या निरंतर मान (भविष्यवाणी के लिए) हो सकता है।
प्रत्येक प्रशिक्षण टपल के लिए, वजन को संशोधित किया जाता है ताकि नेटवर्क की भविष्यवाणी और वास्तविक लक्ष्य मूल्य के बीच औसत चुकता त्रुटि को कम किया जा सके। ये संशोधन "पीछे की ओर" दिशा में किए जाते हैं, अर्थात आउटपुट परत से, प्रत्येक छिपी हुई परत के माध्यम से पहली छिपी परत तक (इसलिए नाम बैकप्रोपेगेशन)। हालांकि यह संरक्षित नहीं है, सामान्य तौर पर वजन अंततः इकट्ठा हो जाएगा, और सीखने की प्रक्रिया समाप्त हो जाएगी।
बैकप्रोपेगेशन के प्रकार
बैक प्रोपेगेशन दो प्रकार के होते हैं जो इस प्रकार हैं -
स्टेटिक बैक प्रोपेगेशन - इस प्रकार के बैकप्रॉपैगैशन में, स्टैटिक इनपुट की मैपिंग के कारण स्टैटिक आउटपुट उत्पन्न होता है। यह ऑप्टिकल कैरेक्टर रिकग्निशन जैसे स्थिर वर्गीकरण मुद्दों को हल कर सकता है।
आवर्ती बैकप्रोपेगेशन - आवर्तक प्रसार एक निश्चित निर्धारित मूल्य या सीमा मूल्य तक पहुंचने तक आगे या संचालित किया जाता है। विशिष्ट मान के बाद, बग की गणना की जाती है और पीछे की ओर प्रचारित किया जाता है।