Upload
others
View
20
Download
0
Embed Size (px)
Citation preview
Pengantar Jaringan Syaraf Tiruan
Contoh Ilustratif
Dr. Ahmad Sabri
Problem
• Perusahaan pemasok buah memiliki satu gudangpenyimpanan buah. Terdapat 2 jenis buah yang dipasok: apel dan jeruk. Buah-buahan tersebut seringkalibercampur sehingga harus disortir dengan mesin sortir.
• Mesin sortir dilengkapi sensor untuk mendeteksi bentuk, tekstur dan berat buah.tekstur dan berat buah.
• Buah-buahan masuk ke mesin sortir melalui ban berjalan.
• Pada output mesin sortir terdapat dua bak besar masing-masing untuk menampung apel dan jeruk
• Problem: buatlah model ANN sederhana dengan ketigainput dari sensor, sehingga mesin sortir dapat mengenalijenis buah yang masuk dan meletakkannya di bak yang tepat
Diagram problem
Sensor
1. Sensor bentuk: bulat 1, lonjong -1
2. Sensor tekstur: halus 1, kasar -1
3. Sensor berat: > 0,5 kg: 1; <= 0,5 kg: -1
Input
• Vektor input
• Vektor prototipe untuk jeruk• Vektor prototipe untuk jeruk
• Vektor prototipe untuk apel
Model ANN
1. Perceptron
2. Hamming
3. Hopfield
1. PERCEPTRON
Perceptron
Perceptron: Two input case
• Jika [-1 1]p + b ≥ 0, maka a = 1
• Jika [-1 1]p + b < 0, maka a = -1
• Artinya, berdasarkan outputnya, input p
dikategorikan menjadi 2 bagiandikategorikan menjadi 2 bagian
Decision boundary
n = 0
Three input case (our problem)
• Klasifikasi biner: apel atau jeruk?
• Ingat kembali: single-neuron perceptron dapat
digunakan untuk klasifikasi biner.
• Oleh karena itu, masalah klasifikasi apel dan jeruk• Oleh karena itu, masalah klasifikasi apel dan jeruk
dapat menggunakan single-neuron perceptron
• Output dari perceptron untuk problem ini diberikan
oleh persamaan:
Verifikasi…
• Pada dasarnya, sebarang vektor input yang
jaraknya lebih dekat ke vektor jeruk
dibandingkan ke vektor apel, maka vektor
input tersebut diklasifikasikan sebagai vektorinput tersebut diklasifikasikan sebagai vektor
jeruk
• Demikian pula jika vektor input diklasifikasikan
sebagai vektor apel jika vektor input tersebut
lebih dekat ke vektor apel
• Karakteristik utama dari single-layer
perceptron adalah ia membuat decision
boundary untuk memisahkan input menjadi
dua kategoridua kategori
• Tingkat lanjut:
– Dimensi > 3
– Kategori >2
2. HAMMING MODEL
Hamming Network
Feedforward Layer
• Melakukan inner product antara setiap
prototype pattern dengan input pattern
• Untuk itu, dalam problem apel dan jeruk,
matriks W1 berbentuk:matriks W1 berbentuk:
• Entri pada vektor bias adalah R (yaitu
banyaknya entri pada vektor input)
• Untuk problem deteksi apel dan jeruk, vektor
biasnya adalahbiasnya adalah
• Output feedforward layer adalah
Recurrent Layer
• Inputnya merupakan output dari feedforward
layer
• Weight pada recurrence layer
• Iterasi pada recurrent layer digambarkan sbb:
Ilustrasi
• Iterasi pertama:
• Iterasi kedua:
• Karena dua iterasi berturutan menghasilkan
output yang sama, maka output telah
konvergen
• Prototype pattern pertama (jeruk) terpilih• Prototype pattern pertama (jeruk) terpilih
sebagai klasifikasi untuk input, karena nilai
tidak nol terdapat pada neuron pertama
HOPFIELD NETWORK
Hopfield Network
• Di mana:
• Weight dan bias: