Upload
arief-fatchul-huda
View
873
Download
9
Embed Size (px)
Citation preview
AgendaPengantarAlgoritmaAplikasi
Pola fungsi logikaPengenalan karakter sederhana
Konvergensi perceptronAdaline
ArsitekturAlgoritmaAplikasiDelta rule
Madeline
PengantarLebih baik dari HebbMenggunakan pengulangan (looping) dalam
memperbaiki bobot (w)Beberapa jenis perceptron dijelaskan dalam tulisan
Rosenblatt (1962) dan Minsky dan Papert (1962, 1988)Menggunakan fungsi aktifasi biner, dengan threshold
sebarang tapi tetap.
Pengantar[2]Perubahan bobot dilakukan pada tiap unit input dari
beberapa unit dalam satu set input.
Jika output yang dihasilkan tidak sesuai dengan output yang seharusnya maka bobot diubah, dan dilakukan pembelajaran lagi.
Step view
Input ke-1 Jika Out ≠ target Ubah bobotInput ke-2 Jika Out ≠ target Ubah bobotInput ke-3 Jika Out ≠ target Ubah bobotInput ke-4 Jika Out ≠ target Ubah bobot
Jika masih ada Ubah bobot
Pengenalan Karakter
Pengenalan karakter dapat digolongkan :Mengenal satu huruf
saja, misal A dan bukan A B dan bukan B, dst
Mengenal semua huruf Dapat mengenal A, B, C,
D, E, J, dan K sekaligus
Langkah-langkahPenyajian data,
Data disajikan dalam bentuk biner atau bipolarMembuat arsitektur NN dengan algo perceptron
Input 49 variabelOutput 1 variabel
AdelineAdaptive Linear Neutron [Widrow & Hoff, 1960]Menggunakan bipolar untuk data input dan outputBobot diubah (diperbaiki) berdasarkan perbedaan
output dengan target disebut delta rule atau LMS (least mean square) atau Widrow-Hoff rule
Fungsi aktifasi adalah fungsi identitasTujuan pembelajaran adalah meminimalisasi lms
error antara output dengan target.
Laju pembelajaranHecht-neilsen (1990), laju pembelajaran adalah < dari ½
nilai eigen terbesar dari R
Namun, seringkali laju pembelajaran menggunakan nilai yang kecil (misal 0.1) tanpa menghitung matrik R dan nilai eigen
Pemilihan laju terlalu kecil akan memperlambat proses pembelajaran.Untuk neuron tunggal alpha didapatkan
dengan n adalah jumlah var. input
AplikasiSetelah selesai pembelajaran, jika nilai target adalah
bivalent (bipolar atau biner), maka fungsi aktifasi menggunakan step function.
Algoritma
KesimpulanAlgoritma Perceptron mengubah bobot dengan
iterasi, perubahan akan terus dilakukan sampai output jaringan sama dengan target
Perceptron dapat digunakan untuk multiple output, yaitu untuk klasifikasi lebih dari 2 kelas sekaligus
Adeline mengupdate bobot dengan delta ruleMadeline adalah Many Adeline