<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="id">
	<id>https://inibudi.or.id/wiki/index.php?action=history&amp;feed=atom&amp;title=Sejarah_dan_Perkembangan_Backpropagation</id>
	<title>Sejarah dan Perkembangan Backpropagation - Riwayat revisi</title>
	<link rel="self" type="application/atom+xml" href="https://inibudi.or.id/wiki/index.php?action=history&amp;feed=atom&amp;title=Sejarah_dan_Perkembangan_Backpropagation"/>
	<link rel="alternate" type="text/html" href="https://inibudi.or.id/wiki/index.php?title=Sejarah_dan_Perkembangan_Backpropagation&amp;action=history"/>
	<updated>2026-05-23T05:07:24Z</updated>
	<subtitle>Riwayat revisi halaman ini di wiki</subtitle>
	<generator>MediaWiki 1.43.0</generator>
	<entry>
		<id>https://inibudi.or.id/wiki/index.php?title=Sejarah_dan_Perkembangan_Backpropagation&amp;diff=16795&amp;oldid=prev</id>
		<title>Budi: Batch created by Azure OpenAI</title>
		<link rel="alternate" type="text/html" href="https://inibudi.or.id/wiki/index.php?title=Sejarah_dan_Perkembangan_Backpropagation&amp;diff=16795&amp;oldid=prev"/>
		<updated>2025-07-31T21:34:27Z</updated>

		<summary type="html">&lt;p&gt;Batch created by Azure OpenAI&lt;/p&gt;
&lt;p&gt;&lt;b&gt;Halaman baru&lt;/b&gt;&lt;/p&gt;&lt;div&gt;Backpropagation telah mengalami perjalanan panjang dalam dunia [[komputasi]] dan [[ilmu komputer]]. Awalnya, pelatihan jaringan saraf dalam beberapa dekade lalu terkendala oleh keterbatasan dalam mengoptimalkan bobot pada banyak lapisan. Namun, sejak inovasi backpropagation, pelatihan model jaringan saraf menjadi lebih praktis dan efisien.&lt;br /&gt;
&lt;br /&gt;
== Penemuan Awal ==&lt;br /&gt;
Konsep backpropagation pertama kali diperkenalkan oleh Paul Werbos pada tahun 1974. Namun, penerapannya baru dikenal luas setelah publikasi oleh Rumelhart, Hinton, dan Williams pada tahun 1986.&lt;br /&gt;
&lt;br /&gt;
== Masa Keemasan dan Tantangan ==&lt;br /&gt;
Pada akhir 1980-an, backpropagation menjadi sangat populer, tetapi menghadapi masalah seperti [[vanishing gradient]] yang menghambat pelatihan jaringan dalam.&lt;br /&gt;
&lt;br /&gt;
== Inovasi dan Adaptasi Modern ==&lt;br /&gt;
Seiring berkembangnya [[komputasi paralel]] dan [[GPU]], backpropagation kembali menjadi pusat perhatian dalam era [[deep learning]]. Berbagai teknik modern dikembangkan untuk mengatasi keterbatasan awal, seperti normalisasi batch dan penggunaan fungsi aktivasi yang lebih stabil.&lt;/div&gt;</summary>
		<author><name>Budi</name></author>
	</entry>
</feed>