Pelatihan Perceptron

Perceptron akan melakukan perubahan bobot terus menerus untuk setiap pola yang
diberikan hingga diperoleh bobot yang akan digunakan untuk mengenali pola secara
benar. Untuk mengecek apakah bobot sudah dapat mengenali pola maka dapat digunakan
perintah:
>> a = sim (net,p)
>> e = t a
Hasil keluaranya adalah [ 1 1 1 1] sedangkan targetnya adalah [1 0 0 0]. Terdapat
kesalahan e = [0 -1 -1 -1], ini memerlukan pelatihan berikutnya (epoch ke dua). Untuk
menyingkat keseluruhan proses berikutnya (iterasi) MATLAB menyediakan perintah
train yang formatnya adalah
[net,tr,Y,E,Pf,Af] = train(NET,P,T,Pi,Ai,VV,TV) (deskripsi dapat dilihat menggunakan
help train)
Contoh: misalkan diinginkan bobot pengenalan pola untuk contoh yang tadi.
p = [ [1 ; 1] [1;0] [0;1] [0;0]];
t = [1 0 0 0];
net=newp([0 1;0 1],1);
net.IW{1,1}=[-1,1];
net.b{1}=[1];
net=train(net,p,t);
%untuk mengetahui keadaan bobot optimal:
disp(net.IW{1,1})
disp(net.b{1})
Jadi w1 = 1, w2 = 2 dan b = -2
Untuk mengehetahui perubahan bobot dan bias untuk setiap epoch, iterasi harus
dihentikan sementara per epoch (dan ditampilkan hasilnya). Untuk itu digunakan
perintah:
function perceptron %training untuk fungsi AND
clc
net=newp([0 1; 01],1);
net.IW{1,1}=[-1,1];
net.b{1}=[1];
p = [ [1 ; 1] [1;0] [0;1] [0;0]];
t = [1 0 0 0];
e=9999
while e > 0

net.trainParam.epochs = 1
%pause training untuk tiap epoch
net=train(net,p,t);
bobot=net.IW{1,1}
bias=net.b{1}
a = sim(net,p)
e = sum (t a)
end
TUGAS
Buatlah program untuk mengenali fungsi logika XOR. Apakah perceptron mampu
mengenalinya?
Pustaka
J.J. Siang, M.Sc., Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan
MATLAB, Penerbit Andi, Yogyakarta, 2005.