6 898068595787
6 898068595787
ADALINE
6.1. Pendahuluan
Adaline (Adaptif Linear Neuron) memiliki bobot koneksi dari unit masukan yang
dapat dilatih dengan aturan delta . Dalam aturan ini galat (error)
dapat
diminimalisasikan.
(i)
(ii)
Yin = b + X i .Wi
i
(iii)
b.
Contoh -1
Akan dibuat jaringan syaraf tiruan Adaline untuk melakukan pembelajaran terhadap
fungsi AND dengan input dan target sebagai berikut: Fungsi aktivasi yang digunakan
adalah bipolar, dan nilai laju pelatihan ( ) yang ditetapkan = 0.1.
Input
-1
-1
1
1
Target
-1
-1
-1
1
-1
1
-1
1
Penyelesaian:
Data ke-1
Data ke-2
Data ke-3
Data ke-4
b =
-0.2.
-
y2_data2=b_awal+(x1_2*w1_awal)+(x2_2*w2_awal);
w1_data2=(w1_data1)+(n*(T_2-y2_data2))*x1_2;
b_data2=b_data1+(n*(T_2-y2_data2));
%data ke-3
y3_data3=b_awal+(x1_3*w1_awal)+(x2_3*w2_awal);
w1_data3=(w1_data2)+(n*(T_3-y3_data3))*x1_3;
b_data3=b_data2+(n*(T_3-y3_data3));
%data ke-4
y4_data4=b_awal+(x1_4*w1_awal)+(x2_4*w2_awal);
w1_data4=(w1_data3)+(n*(T_4-y4_data4))*x1_4
b_data4=b_data3+(n*(T_4-y4_data4))
%Pengujian hasil pelatihan
%-------------------------%untuk data pelatihan ke-1
y1=((w1_data4*x1_1)+(w2_data4*x2_1)+b_data4);
if y1 <=0,y1=-1;
else y1= 1; end
y1=y1
%untuk data pelatihan ke-2
y2=((w1_data4*x1_2)+(w2_data4*x2_2)+b_data4);
if y2 <=0,y2=-1;
else y2= 1; end
y2=y2
%untuk data pelatihan ke-3
y3=((w1_data4*x1_3)+(w2_data4*x2_3)+b_data4);
if y3 <=0,y3=-1;
else y3= 1; end
y3=y3
%untuk data pelatihan ke-4
y4=((w1_data4*x1_4)+(w2_data4*x2_4)+b_data4);
if y4 <=0,y4=-1;
else y4= 1; end
y4=y4
Jika Matlab di running maka akan menghasilkan:
>>
w1_data4 = 0.2600
w2_data4 = 0.2600
b_data4 = -0.2000
y1 =
-1
y2 =
-1
y3 =
-1
y4 =
Contoh -2
Akan dibuat jaringan syaraf tiruan Adaline untuk melakukan pembelajaran terhadap
fungsi OR dengan input dan target sebagai berikut: Fungsi aktivasi yang digunakan
adalah bipolar, dan nilai laju pelatihan ( ) yang ditetapkan = 0.1.
Input
-1
-1
1
1
Target
-1
1
1
1
-1
1
-1
1
Penyelesaian:
Data ke-1
Data ke-2
Data ke-3
Pada akhir pembelajaran diperoleh bobot akhir W1 = 0.3 ,W2 = 0.3, dan
-
b = -0.3.
w1_data4=(w1_data3)+(n*(T_4-y4_data4))*x1_4
w2_data4=(w2_data3)+(n*(T_4-y4_data4))*x2_4
b_data4=b_data3+(n*(T_4-y4_data4))
%Pengujian hasil pelatihan
%-------------------------%untuk data pelatihan ke-1
y1=((w1_data4*x1_1)+(w2_data4*x2_1)+b_data4);
else y1= 1; end
y1=y1
%untuk data pelatihan ke-2
y2=((w1_data4*x1_2)+(w2_data4*x2_2)+b_data4);
else y2= 1; end
y2=y2
%untuk data pelatihan ke-3
y3=((w1_data4*x1_3)+(w2_data4*x2_3)+b_data4);
else y3= 1; end
y3=y3
%untuk data pelatihan ke-4
y4=((w1_data4*x1_4)+(w2_data4*x2_4)+b_data4);
else y4= 1; end
y4=y4
Jika Matlab di running maka akan menghasilkan:
y1 =
-1
y2 =
y3 =
y4 =