이름에서 알 수 있듯이 역전 파는 연산 출력 노드에서 입력 노드로 오류를 다시 전파합니다. 따라서 단순히 '오류의 역 전파'라고합니다. 이 접근법은 인간의 두뇌 분석에서 개발되었습니다. 음성 인식, 문자 인식, 서명 확인, 사람 얼굴 인식은 신경망의 흥미로운 응용 프로그램 중 일부입니다. 신경망은지도 학습을 거치고, 네트워크를 통과하는 입력 벡터는 출력 벡터를 생성합니다. 이 출력 벡터는 원하는 출력에 대해 확인됩니다. 결과가 출력 벡터와 일치하지 않으면 오류 보고서가 생성됩니다. 오류 보고서를 기반으로 원하는 출력을 얻기 위해 가중치가 조정됩니다.

인공 신경망이란 무엇입니까?

안 인공 신경망 지도 학습 규칙을 사용하여 효율적이고 강력 해집니다. 신경망의 정보는 두 가지 방식으로 흐릅니다. 주로 모델이 학습 또는 학습 중일 때와 모델이 정상적으로 작동 할 때-테스트를 위해 또는 작업을 수행하는 데 사용됩니다. 다양한 형태의 정보가 입력 뉴런을 통해 모델에 공급되어 여러 계층의 은닉 뉴런을 트리거하고 피드 포워드 네트워크라고하는 출력 뉴런에 도달합니다.

모든 뉴런이 동시에 트리거되지 않으므로 왼쪽에서 입력을받는 뉴런은 숨겨진 레이어를 통과 할 때 가중치와 곱해집니다. 이제 모든 뉴런의 모든 입력을 더하고 합계가 특정 임계 값 수준을 초과하면 침묵을 유지하던 뉴런이 트리거되고 연결됩니다.

인공 신경망이 학습하는 방식은 잘못한 일로부터 배우고 옳은 일을한다는 것입니다.이를 피드백이라고합니다. 인공 신경망은 피드백을 사용하여 무엇이 옳고 그른지 학습합니다.

역전 파란 무엇입니까?

정의: 역전 파는 신경망이 훈련되는 필수 메커니즘입니다. 이전 반복에서 생성 된 오류율과 관련하여 신경망 (이 기사에서는 모델이라고도 함)의 가중치를 미세 조정하는 데 사용되는 메커니즘입니다. 그물이 예측하자마자 실수를했는지 아닌지를 모델에게 알려주는 메신저와 비슷합니다.

역 전파 신경망

신경망의 역전 파는 전염 정보와이 정보를 추측 할 때 모델에 의해 생성 된 오류와 연관시킵니다. 이 방법은 손실 함수라고도하는 오류를 줄이려고합니다.

역 전파 작동 방식 – 단순 알고리즘

딥 러닝의 역전 파는 인공 신경망 훈련을위한 표준 접근 방식입니다. 작동 방식은 – 처음에 신경망이 설계 될 때 임의의 값이 가중치로 할당됩니다. 사용자는 할당 된 무게 값이 올바른지 또는 모델에 맞는지 확실하지 않습니다. 결과적으로 모델은 실제 또는 예상 출력과 다른 값 (오류 값)을 출력합니다.

최소한의 오류로 적절한 출력을 얻으려면 모델을 관련 데이터 세트 또는 매개 변수에 대해 학습하고 예측할 때마다 진행 상황을 모니터링해야합니다. 신경망은 오류와 관계가 있으므로 매개 변수가 변경 될 때마다 오류도 변경됩니다. 역전 파는 델타 규칙 또는 경사 하강 법으로 알려진 기술을 사용하여 모델의 매개 변수를 변경합니다.

위의 다이어그램은 역 전파의 작동을 보여 주며 그 작동은 아래에 나와 있습니다.

입력의 'X'는 미리 연결된 경로에서 도달합니다.
'W', 실제 가중치는 입력을 모델링하는 데 사용됩니다. W의 값은 무작위로 할당됩니다.
모든 뉴런에 대한 출력은 전달 전파 (입력 계층, 숨겨진 계층 및 출력 계층)를 통해 계산됩니다.
오류는 출력 및 숨겨진 레이어를 통해 다시 뒤로 전파하는 방정식을 사용하여 출력에서 계산되며 가중치는 오류를 줄이기 위해 조정됩니다.

다시 전달하여 출력과 오류를 계산합니다. 오류가 최소화되면이 프로세스가 종료되거나 그렇지 않으면 뒤로 전파되어 가중치 값을 조정합니다.

이 프로세스는 오류가 최소로 줄어들고 원하는 출력을 얻을 때까지 반복됩니다.

역 전파가 필요한 이유

이것은 특정 데이터 세트와 관련된 신경망을 훈련시키는 데 사용되는 메커니즘입니다. 일부 역 전파의 장점 아르

간단하고 빠르며 프로그래밍하기 쉽습니다.
입력 번호 만 조정되고 다른 매개 변수는 조정되지 않습니다.
네트워크에 대한 사전 지식이 필요하지 않습니다.
유연하다
표준 접근 방식 및 효율적으로 작동
사용자가 특별한 기능을 배울 필요가 없습니다.

역 전파 네트워크의 유형

역 전파 네트워크에는 두 가지 종류가 있습니다. 다음과 같이 분류됩니다.

정적 역 전파

정적 역전 파는 정적 출력에 대한 정적 입력의 매핑을 생성하는 것을 목표로하는 네트워크 유형 중 하나입니다. 이러한 종류의 네트워크는 광학 문자 인식 (OCR)과 같은 정적 분류 문제를 해결할 수 있습니다.

반복 역 전파

반복 역전 파는 고정 소수점 학습에 사용되는 또 다른 유형의 네트워크입니다. 반복 역 전파의 활성화는 고정 값에 도달 할 때까지 전달됩니다. 그런 다음 오류가 계산되어 역으로 전파됩니다. ㅏ 소프트웨어 , NeuroSolutions는 반복적 인 역 전파를 수행 할 수 있습니다.

주요 차이점 : 정적 역전 파는 즉각적인 매핑을 제공하지만 반복적 인 역 전파 매핑은 즉각적이지 않습니다.