Our Services
Servisu Ne’ebé Di’ak Te’bes ba Ita
Backpropagation mak servisu ne’ebé fó benefísiu ba treina neural network, kalkula erru, no melhora performansa sistema AI. Ita bele aprende ho eksperimentu husi dadus no aplikasaun Machine Learning.
Neural network
Neural network mak modelu komputasaun ne'ebé inspiradu husi rede neuroniu iha otak humano. Nia kompostu husi: 1. *Neuroniu* (nodus): prosesu informasaun 2. *Koneksaun* (weights): forsa koneksaun entre neuroniu 3. *Funsaun ativasaun*: determina output neuroniu
Linear Regression
Linear Regression mak métodu estatístiku ne'ebé uza atu modela relasaun entre variável dependente (output) ho variável independente (input) liu husi linha reta.
Gradient descent
(Gradient descent) mak algoritmu otimizaun ne'ebé uza atu minimiza funsaun perda (loss function) iha aprendizagem máquina. Nia halo nune'e ho maneira: 1. Kalkula gradiente (slope) ba funsaun perda iha pontu atual. 2. Muda ba direisaun oposta ba gradiente (ba baixo, se gradiente positivo; ba leten, se gradiente negativo). 3. Repeti prosesu ne'e to'o konverge ba minimum (pontu ho perda mais baixo)
Input Layer
Input layer funsiona hanesan porta entrada hodi fo dadus ba lapisan seluk (hidden layer) hodi model bele analiza pattern no aprende relasaun iha data. Tanba ne’e, input layer mak komponente krusial iha neural network tanba nia determina dadus ne’ebé model aprende hodi halo predisaun ka klasifikasaun.
Weight (peso)
Weight ka bobot mak variavel krusial ne’ebé ligasaun ida neuron ba neuron seluk iha neural network. Se ita hakarak compara neural network ho kakutak digital, entaun weight hanesan força sinapsis ne’ebé determina se informasaun ne’ebé simu importante ka la importante.
Bias
Bias mak parametru tambahan ne’ebé uza hamutuk ho weight (bobot) hodi ajusta output husi neuron hotu-hotu.
Relative error
Relative Error (Erru Relativu) mak medida ida ne’ebé hatudu erru hanesan rasio ka persentajen ba valor loos (valor aktual). Ne’e signifika katak erru la haree de’it boot diferensa, maibé haree erru ne’e boot liu ka ki’ik liu kompara ho valor loos.
Absolute Error
Absolute Error (Erru Absolutu) mak metrika ka loss function ida ne’ebé uza atu sukat boot sa’e diferensa entre rezultadu predisaun model ho valor target ne’ebé loos. Erru ne’e la haree direksaun (pozitiv ka negativ), maibé haree de’it boot diferensa ne’ebé iha.
Percent Error
Percent Error (Erru Persentajen) mak forma ida husi Relative Error ne’ebé hatudu erru iha forma persentajen (%). Metrik ida ne’e fó imajen kona-ba boot sai desviansa husi predisaun model kompara ho valor loos iha eskala 100