Iipsaripudin
10109361
1. Guntur Pribadi- 0676899
2. Sistem pendeteksian wajah menggunakan jaringan syaraf tiruan
3. Detector wajah, ekstraksi subcitra, Resizing, Histogram Equalization, Masking,
Penggabungan (merging) penggabungan kandidat wajah, User Interface
4. Untuk meningkatkan kecepatan proses pelatihan digunakan algoritma
Quickprop. Algoritma Quickprop ini pertama kali diperkenalkan pada
[Fahlman,
1988]
backpropagation
sebagai
untuk
salah
satu
melakukan
alternatif
pelatihan
dari
pada
algoritma
multi-layer
perceptron.
Hasil akhir training yang berupa nilai bobot-bobot penghubung akan
disimpan ke suatu file. File ini nantinya akan digunakan oleh
detektor wajah untuk melakukan tugasnya.
5. Knowledge refresentation
Traning
Data Set
Testing
Data Set
Citra Masukan
Trainer JST
Detektor Wajah
Hasil Deteksi
wajah
(face
authentication)
yaitu
menguji
net i
s w
j
j pred ( i )
ij
i
(2.4)
logistik sigmoid:
1
1 e neti
(2.5)
Salah satu keuntungan dari fungsi ini adalah memiliki derivatif yang
mudah dihitung:
si
'
f log
(net i ) si * (1 si )
net i
(2.6)
Nilai dari fungsi sigmoid di atas memiliki nilai output antara 0 dan 1. Jika
diinginkan nilai output antara 1 dan 1, dapat digunakan fungsi bipolar
sigmoid berikut [Fausett, 1994]:
si g log (net i )
2
1
1 e neti
(2.7)
si '
1
g log (net i ) (1 si ) * (1 si )
net i
2
(2.8)
Supervised Learning
Tujuan
pada
pembelajaran
supervised
learning
adalah
untuk
Algoritma Backpropagation
E
E si
wij si wij
si
si net i
'
f log
(net i ) s j
wij net i wij
(2.10)
dan
(2.11)
E 1 (t i si ) 2
(t i s i )
si 2
si
(2.12)
E
si
E s k
k succ( i ) s k s i
(2.13)
E s k net k
si
k succ( i ) s k net k
E '
f log (net k ) wki
k succ( i ) s k
(2.14)
wij (t )
E
(t )
wij
(2.15)
Algoritma quickprop
(2.17)
dimana:
w(t)
: perubahan bobot
w(t 1)
E
(t )
w
: derivatif error
E
(t 1)
w
training.
Eksperimen
dari
[Schiffmann,
1993]
juga
9. Reprensi
http://id.scribd.com/doc/24444352/SKRIPSI-SISTEM-PENDETEKSIAN-WAJAHMENGGUNAKAN-JARINGAN-SYARAF-TIRUAN
http://id.scribd.com/doc/46752712/MAKALAH-Jaringan-Saraf-Tiruan