“…Penggunaan fungsi transfer pada Machine Learning berbasis jaringan saraf, khususnya backpropagation, yaitu fungsi transfer sigmoid tangen hiperbolik (tansig) [20], fungsi transfer log-sigmoid (logsig) [21], dan fungsi transfer linear (purelin) [22], sedangkan penggunaan fungsi perlatihan pada metode backpropagation standar, diantaranya gradient descent (traingd, traingdx, traingda dan traingdm) [23]. Fungsi perlatihan lain dapat digunakan untuk optimasi dan berpengaruh terhadap hasil komputasi, seperti Levenberg-Marquardt (trainlm) [24,25], perlatihan batch dengan aturan pembelajaran bobot dan bias (trainb) [26], BFGS quasi-Newton (trainbfg) [27], BFGS quasi-Newton dengan referensi adaptif control (trainbfgc) [28], regulasi bayesian (trainbr) [29], perlatihan batch bobot/bias tanpa pengawasan (trainbu) [30], urutan siklus bobot/bias (trainc) [31], perlatihan konjugasi gradien (traincgf, traingcgp, traincgb) [32], One-Step Secant (garis potong satu langkah, trainoss) [33], perlatihan tambahan urutan acak dengan fungsi pembelajaran (trainr) [34], resilient (trainrp) [35], perlatihan bobot/bias perintah acak tidak diawasi (trainru) [36], perlatihan urutan inkremental berurutan dengan fungsi pembelajaran (trains) [37], dan gradien konjugasi berskala (trainscg) [38].…”