Open AccessALGORITMA PELATIHAN LEVENBERG-MARQUARDT BACKPROPAGATION ARTIFICIAL NEURAL NETWORK UNTUK DATA TIME SERIES
Author(s) -
Sylvia Jane Annatje Sumarauw
Publication year - 2018
Publication title -
frontiers
Language(s) - English
Resource type - Journals
eISSN - 2621-1009
pISSN - 2621-0991
DOI - 10.36412/frontiers/001035e1/agustus201801.10
Subject(s) - levenberg–marquardt algorithm , gradient descent , backpropagation , artificial neural network , artificial intelligence , mathematics , method of steepest descent , computer science , algorithm , mathematical optimization
Algoritma Levenberg-Marquardt merupakan salah satu algoritma backpropagation Artificial Neural Network yang dikembangkan sendiri oleh Kenneth Levenberg dan Donald Marquardt, memberikan solusi numerik untuk masalah meminimalkan fungsi non-linear. Algoritma inimemadukan metode steepest descent dan algoritma Gauss-Newton. yaitu kecepatan algoritma Gauss-Newton dan stabilitas metode steepest descent. Ide dasar dari algoritma LevenbergMarquardt adalah melakukan proses pelatihan gabungan. Pada sekitar area dengan kelengkungan yang kompleks, algoritma Levenberg-Marquardt beralih ke algoritma steepest descent, sampai kelengkungannya tepat untuk membuat pendekatan kuadrat dan pendekatannyamenggunakan algoritma Gauss-Newton, yang dapat mempercepat konvergensi secara signifikan. Dalam menerapkan algoritma Levenberg-Marquardt untuk pelatihan neural network, harus menyelesaikan dua masalah yaitu menghitung matriks Jacobian, dan bagaimana mengatur proses pelatihan iteratif untuk memperbarui bobot. Algoritma Levenberg-Marquardt memecahkan permasalahan yang ada di kedua metode gradient descent dan metode GaussNewton untuk pelatihan neural-netwok, dengan kombinasi dari dua algoritma maka algoritma ini dianggap sebagai salah satu algoritma pelatihan yang paling efisien.Kata Kunci: Levenberg-Marquardt Backpropagation, Artificial Neural Network