View
62
Download
8
Category
Preview:
DESCRIPTION
jsjakjlasjljasxnbsn,mnamnjlkklllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllhssssssssssnbxbmnxasnbxcabsh
Citation preview
Contoh Soal:
Jaringan ART 1 dengan dimensi 25 vektor masukan berupa 0,1 dengan 4 kategori
neuron menunjukkan 4 kelompok data terklarifikasi M=4. Matrik W dan V
berdimensi (25 x 4).
Langkah 1
Inisialisasi untuk bobot dan nilai ambang T dengan persamaan 2.312.
W = [ 1 / (1+n) ]
V = [ 1 ]
0 < T < 1
n = 25
wij = 1/26
v = 1 , i = 1,2...........25,j = 1,2......4
T = 0.7
Langkah 2
Pada gambar 2.45, bila pola A diumpamakan ke jaringan ART 1, satu dari empat
keluaran akan memiliki nilai terbesar, misalnya neuron ke 1. Semua bobot W dan
V pada simpul lapisan teratas yang terhubung dengan masukan 1 (x i = 1) akan
diperbaharui berdasarkan persamaan 2.316, sedangkan bobot lainnya tetap pada
nilai semula. Setelah langkah pembelajaran pertama selesai, dari 100 nilai bobot
wij (bawah ke atas) hanya 5 yang berubah sedangkan sisanya tetap seperti nilai
inisialisasi semula, sedangkan dari nilai 100 nilai bobot vij (atas ke bawah) hanya 5
yang berubah, sisanya sesuai nilai inisialisasi semula.
Untuk pola A, vektor masukan xi={x1=1, x2=0, xi3=0, x4=0, x5=0, x6=0, x7=1,
x8=0, x9=0, x10=0, x11=0, x12=0, x13=1, x14=0, x15=0, x16=0, x17=0, x18=0,
x19=1, x20=0, x21==, x22=0, x23=0, x24=0, x25=1.
Karena hanya posisi vektor masukan x1, x7, x13, x19, x25 yang bernilai 1 maka
hanya bobot wij pada posisi yang sama yang terpengaruh sedangkat bobot untuk
posisi lain tetap, misalnya untuk posisi i=j=1 :
Jadi dapat disimpulkan :
W1,1 = w7,1 = w13,1 = w19,1 = w25,1 = 1/5.5 = 2/11
Sisa wiI = 1/26
V1,1 = v7,1 = v13,1 = v18,1 = v25,1 = 1
Sisa viI = 0
Gambar 3 Kondisi Setelah Langkah Pembelajaran Pertama
Langkah 3
Selama pola B dimpankan, hanya ada satu simpul pada jaringan teratas yang aktif
yaitu simpul 1. Test kemiripan dilakukan dengan persamaan 2.315.
Untuk vektor pola B, vektor masukan xi={x1=1, x2=0, xi3=0, x4=0, x5=1, x6=0,
x7=1, x8=0, x9=1, x10=0, x11=0, x12=0, x13=1, x14=0, x15=0, x16=0, x17=1, x18=0,
x19=1, x20=0, x21=1, x22=0, x23=0, x24=0, x25=1
Karena test dengan kondisi diatas gagal dan tidak ada simpul aktiif lainnya maka
pola B dianggap sebagai kelompok pola baru, misalnya neuron ke 2 dengan bobot
vj2 dan wi2
Karena hanya posisi vektor masukan x1,x5,x7,x9,x13,x17,x19,x21,x25 yang
bernilai 1 maka bobot wij pada posisi yang sama yang akan diperbaharui
sedangkan pada posisi lain tetap, misalnya untuk posisi i=1,j=2 :
Jadi dapat disimpulkan :
w1,2 = w5,2 = w7,2 = w9,2 = w13,2 = w17,2 = w21,2 = w25,2 = 2/19
Sisa wi2 = 1/26
v1,2 = v5,2 = v7,2 = v9,2 = v13,1 = v17,1 = v19,1 = v21,1 = v13,1 = 1
Sisa vi2 = 0
Langkah 4
Selama pola C diumpankan, ada dua simpul pada jaringan teratas yang aktif yaitu
simpul 1 dan 2. Simpul yang keluar sebagai pemenang dapat ditest dengan
menggunakan persamaan 2.311.
Jadi neuron ke 1 keluar sebagai pemenang, test kemiripan dengan menggunakan
persamaan 2.315.
Untuk vektor pola C, vektor masukan
x
i={x1=1,x2=0,x3=0,x4=0,x5=1,x6=0,x7=1,x8=0,x9=1,x10=0,x11=1,x12=1,x13=1,x14=
1,x15=1,x16=0,x17=1,x18=0,x19=1,x20=0,x21=1,x22=0,x23=0,x24=0,x25=1
karena test dengan kondisi diatas gagal, neuron ke 1 di-non-aktifkan dan neuron
ke 2 dianggap sebagai pemenang karena tidak ada simpul aktif lainnya.Test
kemiripan terhadap neuron ke 2 dengan persamaan 2.315.
karena test terhadap neuron ke 2 juga gagal dan tidak ada simpul aktif lainnya
maka pola C dianggap sebagai kelompok pola baru, misalnya neuron ke 3 dengan
bobot vj3 dan wi3.
Pada pola C, hanya posisi vektor masukan
x1,x5,x7,x9,x11,x12,x13,x14,x15,x17,x19,x21,x25, yang bernilai 1 maka bobot wij pada posisi
yang sama yang akan diperbaharui sedangkan bobot pada posisi lain tetap,
misalnya untuk posisi i=1, j=3 :
Selama pola D diumpankan, ada tiga simpul pada jaringan teratas yang aktif yaitu
simpul 1, 2, 3. Simpul yang keluar sebagai pemenang dapat di test dengan
menggunakan persamaan 2.311.
Jadi neuron ke 1 keluar sebagai pemenang, test kemiripan dengan menggunakan
persamaan 2.315.
Karena test dengan kondisi diatas gagal, neuron ke 1 di-non-aktifkan,
dibandingkan neuron ke 3, nilai y0 neuron ke 2 lebih besar sehingga neuron ke 2
dianggap sebagai pemenang. Test kemiripan terhadap neuron ke 2 dengan
persamaan 2.315.
Karena test terhadap neuron ke 2 juga gagal (neuron ke 2 di-non-aktifkan) maka
neuron ke 3 dianggap sebagai pemenang karena tidak ada simpul aktif lainnya.
Test kemiripan terhadap neuron ke 3 dengan persamaan 2.315.
Test terhadap neuron ke 3 memenuhi syarat kemiripan 0.7 sehingga tidak ada
penambahan kelompok baru. Pola masukan D akan dikategorikan sama dengan
neuron ke 3, bila derajat kemiripan diperbesar misalnya 0.9 maka test terhadap
neuron ke 3 akan gagal sehingga pola D dianggap sebagai kelompok pola baru,
misalnya neuron ke 4 dengan bobot vj4 dan wi4 dan seterusnya.
Arsitektur ART-1 yang dibahas diatas, kemudian mengalami perkembangan
menjadi ART-2. Baik ART-1 maupun ART-2 memiliki fungsi yang sama,
perbedaan terletak pada masukan. Untuk ART-1 masukan berupa vektor biner
(diskrit) sedangkan ART-2 masukan berupa vektor dengan nilai kontinu (malar).
Dengan demikian perubahan secara arsitektur terjadi pada bagian lapisan masukan
supaya ART-2 dapat dipergunakan untuk menerima masukan berupa nilai malar.
Beberapa parameter yang perlu di tetapkan oleh pemakai sebelum masukan vektor
kontinu diproses oleh ART-2, yaitu :
n : banyaknya unit masukan (lapisan masukan, F1)
m : banyaknya unit cluster (lapisan keluaran, F2)
a,b : nilai bobot tetap pada lapisan F1
c : nilai bobot tetap untuk testing reset
d : aktivasi untuk unit pemenang pada lapisan F2, nilainya ditetapkan bersama
dengan c.
e : bilangan kecil untuk menghindari pembagi nol bila norm vektor bernilai
nol
q : parameter penekanan derau, misalnya q = √ n
a : kelajuan pembelajaran
r : parameter kewaspadaan, nilai 0 < r < 1, parameter ini menentukan
pembentukan banyaknya cluster
tji(0) : bobot top-down, biasanya diinisialisasi dengan nilai nol untuk menhindari
reset pada saat vektor pertama di umpankan ke unit cluster (F2)
bji(0) : bobot bottom-up, inisialisasi harus memenuhi persamaan :
untuk menghindari jaringan menambah pemenang baru ketika jaringan pada
keadaan resonan (F2).
Recommended