Pada Postingan kali ini jaringan memerlukan pasangan
output untuk setiap
pola input. Biasanya jaringan di train dengan sejumlah ‘training pair’. Vektor input diaplikasikan, output dihitung, kemudian dibandingkan dengan target output.
Selisihnya kemudian dikembalikan ke jaringan dan
bobotnya di- update berdasarkan algoritma tertentu yang cenderung
meminimumkan
error.
Contoh :
a. Feedback Nets
ƒ Brain-State-in-a-Box ( BSB )
ƒ Boltzmann Machine (
BM )
ƒ Recurrent Cascade
Correlation ( RCC )
ƒ Real-time Recurrent Learning ( RTRL )
ƒ Backpropagation through time ( BPTT )
b. FeedForward – only Nets
ƒ Perceptron
ƒ Backpropagation
ƒ ARTMAP
ƒ Adaptive Heuristic Critic ( AHC )
ƒ Adaptive Logic Jaringan
( ALN )