BAB III PIINGASOSIASI POLA

Pada prinsipnyat, 'pentbelerf aran' mel'Llpakan proses

pembintukan pengasosietsian antara pola-pola yang
6erkaitan.Prosesingatannranusiajugamelakukan
pembentukan asosiasi etntara item (ide, sensasi,) satu
dengon lainnya baik untuk pola-pola yang sama, mirip
ataupun dengan yang bertentangan sekalipun.

Contoh : bunga deng atl wattitct

Ciri penting clari pelnbentr-rkan asosiasi ini adalah :

Pola masukan Yang kita berikan tidak perlu salna,
(dengan polu ,irurr.ikan asal) untuk mendapatkan
respon pola asosiasi Yang sarla.

Contoh : 1. Pola garnbar not barlok ctiasosiasikan dengan

tuts plano
Masukan gambar pola rnirip (besar-kecil; tebal-tipis),
asosiasi kita tetap santa

2. Pengenalan gambar Pola raut muka

diasosiasikan dengan narna
Untuk beberapzi keadaeln 'mood' (marah, senang, sedih),
kita dapat mengasosiasikan dengan nama yang sama

Komputasi dijital (konvensional) akan sulit melakukan.

?.r
Arsitektur jaringan : (f aringan memori asosiasi)
. sederhana (lapis tunggal) i
o penlederhauzran nrodel ingatan manusia
. nilai bobot berkaitan dengan setiap pasangan pola
asositrsi (diettur untuk menyimpan pasangan pola)

Setiap pasangan polar asosiasi terdiri dari vektor masukan

& vektor keluaran s : t .\ ,

,I
./.f
memori autoasosiasi : vektor keluaran t persis Sama -.7hrp.'b"
clengan vekto. *orrrkan s 4r!h['-
t

memori heteroasosiirsi : vektor kelLraran t berbeda -hq*- u

dengan vekor masulcan s

IJrrtuk kedua jenis lrlemori ini, jaringan akan merespon

keluaran yang samul bila vektor masukan 'mirip'
walaupun 'tidak identil<' dengan vektor pelatihannya.

(pola masukan yang cligunakan sudah harus

dikonversikan dalam bentuk biner/ bipolar)

Metoda Pelatihan : Aturan Hebb & Aturan Delta

Arsitel<tur Jaringan : Feeclfot'ward & Recurretrt
(iteratit)
Feedtorward : aliretn inlormasi dari unit masukan
rnenuju unit keluaran
Recurrent : zrliran int'orrnasi menjadi 'c1ose-1oops'

{
t-
I

Isu penting : Jurnlah pola maksitnum yang datpat

clisimpan sebelutn jaringan melupakan pola
yang telah diPelajari
srsd,i: AT*S:61(dir
\ruiriqcn
6oO"l ingatan manusia : banyak taktor penyebabf
(r,t
3.L.L Aturan XIebb untuk Pengasosiasi Pola

oAturanyangnrudalr,clanpzilingserirrgdigunakan
. Dapat digunakan bail< untuk representasi biner ataupun
bipopar
o Pasangan YeLlqursbgEn s : t ;
ygklojggrylgL!. (bisa niirip tak identik) x

Algoritma (niirip dengan Bab 2) (ocstk'rhuc '' ttalir)

Langkah 0 tnisialisasi seluruh bobot ( : 1,......,n ;j : 1,......,1x)

rtLl -o
Langkah l Untuk setiap pilsallgatt vektor pelatihan s : t
lakukan LangkahZ - 4

Langkah Z Tenttrkttn nilai aktivasi untuk r"rnit masukan

( : 1,....'..,,il)
Xi = Sr

Langkah 3 Tentuktrn nilai aktivasi unit keluaran

(j : 1,........,m)
$; = $
Langkall 4 Perbahzrrui Lrobot( I 1,......,n; j: 1,......,m)

W
i, (htil a tl',tij [tamo) t fi Vj
,

?.t
 F er
l'3iUo
v
Ort.to$
Perkalian Vektor (outer product)

Dalam menentukan nilai bobot dengan Aturan Hebb ( bila

inisialisasi wi) = 0), bisa dilakukan pula dengan mempertalikan
antara velctor ntctsulcaru s clan vektor lceluaran t

\ s* c(,r. r. .,si -. sfr

*"mtnriPotr
r.
Y.2
\b'
\'
I t - ('t,, -.ti,' " at* )
oo -

ouhe [foAuct ' ST ' t

Cr ['^,
:
gf= \L . .ti,..' . to,] *
a
[r,,,. I"l'
$n
k;r,

Matriks (hasil perkaliztn vektcr) ini merupakan matriks bobot

untuk menyimpan pasitrlga.fl pola asosiasi s : t

Apabila kita mempunyai sekumpulan asosiasi pola

s(p): t(p) dengan p - 1, . . . ., P (P buah pasangan pola),

S(p) d (Srtp),. --r ft (r), ' .fnq',

!(r) , . ... tmtp))

maka marriks bobot w = lrru,il

rI = L sr(p)trr)
)
t
i-Q.1unhh *T*,:":-ili i
)
::h,t**g^*'5
\
r*Q
,i,,.fl .
airr -
r,^n,)unv$
U*.) L;*,r) ;i (ti'lht'l
l4
 Ini merupakan penjunllahan dari semua matriks perkalian
vektor, yang diperlukan untuk menyimpon setiap
pasangan pola s : t secerra terpisah.

Perfect Recall dan Cross Talk

Kecocokan pemakaian Aturan Hebb untuk

menyelesaikan persoalan biasanya bergantung pada
korelasi diantara vektor vektor pelatihannya.
ry,1;g:l,-lur*
fe\dtihq 4 t\dor^t+
rnir: hhoo:t
t. vektor-vektor pelatihan 'ticlak terkorelasi' (berarti
saling ortogonal), maka aturan Hebb akan
menghasilkan nilai bobot yang benar,-
Maka respon terhadap salah satu vektor pelatihan
akan menghasilkan 'perfect recall' terhadap pola

2. Vektor-vektor pelatihan'terkorelasi' (berarti ti(dak

ortogonal), respon terhadap qalah satu vektor
pelatihan akan menghasilkan 'cross talk'
(mencakup sebagian dari masing-masing vektor
pelatihan yang tidak ortogonal)
tutBuW qnhn Inwf - oupu I !otu,doln t[Lg)hpt!U5[ain rrls: hrnbi n5 '.,

Penjelasan :

Misal 2 vektor s(k) dan s(p) dengan k f p

Ortogonal ; maka perkalian antar .rektor = 0

(s,t)t a*(I$a) r. /il: ,'J ) urb,ortqrag', miYJil:.

L ].s
 :

#trnntr.q ctL) s'h) ='Q

'!n
ohq L
i=,
Ci (t ) st tp),= g 2\ t.ompon*, Vo\.M \z =
t o-protu trn)tng

Matriks,bobot W (untuk tnerryinrpan sejumlah pasangan

vektor masukan-target) akan menyebabkan nilai total
*'-"^
masukan adalah :. rrr
miEa( $ =i W

Misal sebagai masukatn erclalah vektor pernbelajaran ke -k,

sehingga X= Stt")
Respon jaringan adal$r :

s(r.)ril E Ls(t)Etr:tu)
9''
Ir stL) gt1l")ttJt) t Z, s (h)Er(r)ttr)
= ' t*k
Jika s(k) clan s(p) setlittg ortogonal, maka untdk p + k : o :
tidak ada kontribusi dari suku-suku dalam
tanda solnasi. Respon adalah (k) dengan faktor
engali s tt)sItr.)

Jika s(k) tidak ortogonal clengan vektor s lainnya, maka

untukp+k:
terdapat kontribusi dari suku-suku dalam tanda
sonrasi (cross talk)

lb
 Pada umumnya, apabila e1'ek cross talk tidak terlalu berat
rnaka pernbelajaran Hebb sudah cukup baik.

3 aspek yelng dalam tlelleinukan bobot yang benar

dengan menggUnakan 'atUfan Hebb' O !r, o sqe\.\<rttr\inr.oil''r1''tro*
O t, cor.,,;*r,_: H,t*rx^.

1. Jika a 'bebas linier

(separEtitas linier'), *ot o troUot yang dicari akertt
dapat dihasilkan.
Z. Jikahubungiln antar paserrtgalr vektor masukan-target lffir:
saling orthogonetl, ttlaka bobot yang dicari akan
menghasilkan l<eluzrrall yang benar.
3. Karena silat aturzrn l{ebb : bobot ntenguat apabila unit
masukan-unit keluaran saling 'on' atau saling 'off';
menyebabkan
'apabila vektor tuasukan nlerlpunyai hubungan yang
kuat dengan vektor keli.taran, maka bobot yang didapat
akan benar'

3.L,2 Aturan Delta untuk Asosiasi Pola

Aturan delta nterupakan proses pernbelajaran iterative

(rata-rata kuaclrat terkeciil; ctapit digunakan dalarn
persoalan : vektor masukaln 'bebas linier' (1) tapi boleh
tidak orthogonal (2). Maka aturan ini dapat digunakan
untuk pet soalatr 'cross talk' .

qtwun \S .:r+tint?.f *tunn hlbr ,.\*.r[n.r

or\rnd1 tbrrsrSlonr(
ttctr4 rrrall.. blq cor hll1 t loth
(,ntt\rth : hl^b\r,^
3.1
Istilah: o(, laju pernbelajaran
x- vektor masukan (pernbelajaran)
t target keluarutn untuk vektor masukan
ur;i
-\)l
, tUijth,u)- Ltnnq)t&ttr
J J =IF,sI
ui
$iol bdun {inorutrhon) i
Aturan delta awal
6 $,J B a' (ti -' 5i )ot

Per1uasanettltrancielta(exterrdedde1taru1e)

= A(ti .- Ui)xi !'t}'inr)

i., ".t ' ,..',-.', ,
^uu
' .. ., ''.r . .
,r!t-.r'"^,

clengan menggunetkan Perluasan Aturan Delta, maka

pencapaian error minirt-ral akan lebih cepat.

l.z
 3.2 Memori Hetdtoasosiatif NN
"tt\_
/----

Arsitehtur

Y1

Y^

-r"----/
I

Pembelajaran .

ftut ,nda \b('.

. Aturan Hebb /

Implementasi

Langkair 0 Inisialisasi bobot (l{ebb atau Delta)

Langkah I Untuk setiap vektor masukrtn, lakukan Langkahz - 4
Langkah 2Tetttukan nilai al<tivasi nelrron clalam lapis nrasukan
1Ei
Langkah 3 Hitung total-masukan unit keluararl
\i.lt' =
? xi
rilu
Langkah 4 Hitung nilai aktivasi unit keluaran

fr bitq. V- tt'7 o i,,rt"t^ fuP{-

U, = t o hiq LJ.mj=o
Juq
-tt b,ta U,^j (0
Maka vektor keluaran y yang nrerupakan asosiasi polzr
I yang berkesesuaian dengan vektor maslrkan x.

I _i_
 Fungst Akttvast lain yang bisa digunakan :

r Vektor target : biner

r,r Cr bit'^r>o
ftxr= [o bitax(O
Contoh Penggunaan

Memori heteroasosiasi dengan aturan Heb[

Pemetaan vektor masukan s = (s1, s2, s3,s4) menjadi

.. r vektor keluaran t = (t L, tZ)
"4*try*l vtLtuc tn$rhqn rhlrfut kqLuarun

.,u*i*{*t.s (l,o,o,o) t
t. Lt. o)
+ 2. s (t,I,o'o) 2.t ( I,oJ

$$[Pl 3's(o,o,o'I)
3.t to,tl
q- s tb'u'l ' l)
q.t (0, t )
Arsitektur

auJ
Pernbelajaran (aturan Hebb) N
ulij Ch'ru) = Ut;i tlnrr'a)-Q!,

3. to
*
 Dengan rnenggunakan Perkalian Matrihs (dot-
procluct)

Pembelajaran ( a't-St
t[tq t. s=tr,o,o,D)- j=Lt'o) Luto* =
o

allt\
Hr'l'01
Pota?- sB(r,\,0-o) t=1r'o)
E
w
lil'' " [11] ,})
tl/, ,r,tqtu;'d
'r
hr,, 3 \tgl t-tgl *,q*
*'l;r''.
q Ltll.rLBIJ
rota
[z ol
naLn - i\l!]
.lll] ..ki].|}il= tlol
Lor, Lr tt
Lo,oJ
s 4
rmplementasi
-) lz 0-l
*=[i
\nn5trch D 'r ..

i\
tnn5Uar,r \ unhdr utlrtr w'ro*i*Y't
Lorrqt^nh r. x= [t'o'O'o)1 [f 11 (z.u)
LunSLc'r,3 xU= tt,o,o,o)L$iJ
hrgt^nh q t!rl=
)
fto)= o I
y=tr, .)

j. ).(
ix*
I
I
I
 Keutu0nho,rn qerulti!r\ Itosse tl 1o , o,o).U)

L\,0)
, \_(r i*
n
(-o,r)
(0. t)

Kita dapatkan bahwa hasil keluaran akan sama dengan

yang (iqgrnkan.

Kasus L. Testing dengan vektor rnirip (tak sama) clengan

perbedaan 1 kornponen

ndltq (0,\ ,o,[) . r! = t\.0) *-it '

oJ

il,asi\ kekrnron Yrra(rh \sntrr

"
Kasus 2. Testing dengan vektor rnirip (tak sama) dengan
perbedaan 2 komponen

=X(0.t,t,0) + q1nqnUe[t'fW\^tthon lzt'ofnpouen *

urutto Lo ,t, l,o) . N = [f ,t) + (t, t)

Nturo't' \ih[ 0ryr mtrgtno'\f &tngan zba\ohun
* tnisdrrrr r
(urrM! \innr ) <* *,.U,,. Ssar\\
].t? I
 ,.

Penggunaan representasi t
,

Pasangan vektor rnasukkan s(p):t(p),P=[.,.P

r

S(p) = tt,Cu),-- " ! ' 9i tP) . s6cr)1

t tr) ,- lt,tp),
Pembelajaran :
,Matriks bobot adalah -UJ =tuu! -Isie)t;e )T

Untuk pasangan vektor masr;ukan

St EEi (tr-tr-t,-l) t. - (t, -t) /,*
l

' Sz t',(t,t,-lt-l) I tz rr(t,--l)

Sl E (-t , -[ ,-t ,l) t3!r (-t' \)
Sq = (-t,-[ , l, t)) tt* t'-t ,'I)
MatrikS bobot yang dihasilk(an
I tl^t 5
4 ql
Nt, I -Z L
-LZ I

,-t
u t t I

--+bis, ili0q*t oqn orntsm^

i
gdtr unhfi Ftr rrn$Uom tt"
Implementasi $hrt.

Testing dengan vektor rnirip (tak sama) dengan

perbedaan 2 komponen.
cF g'2
bnnfin$on
Kasus r. zkomponen 'salah' -"
t-t .l .l,-\) . m = to,o) -"(o ,o),
Nlq hrt0s'd*
C0h0.. eptrh' kqles bin$ I tr$ulottr h&I^ b\l..Slutmt
uD\r
).r)
 'trilang'
Kasus 2.2 konrPongn
-\)
0tto ;)2-' ;;
x a tp .\ , p:
Jo = 16,-b)
(o'\'o'-'',':
[tlt -t )
:::,:1,:,i''
=, C\ ' \ '-\
='
-+ t\.'-[)

i,t*ill.Nlt
s '
iirtrq 'ril\
\qdla3t'suotqn
r no\sd
$nu,il i-i rnn(h
Pengenalan Huruf
Penggunaan untuk \
I
U,*Si
. Vektor rtasukan 63 komponen I tno5't*"1n*
o Vektor kelualan t5 komPonen
. Representasi BiPolar
. Pembalajalan :aturan Hebb

Pembelajaran
Pasangan vektor masukan

r+tTi ++
tl .. -.. '
*+*
tr......
ttt
II......
ti;
fr* t+il;+t
**1r;
ImPlementasi
'noise'
Vektor masukan dengan
+1 ' dahulu -1
@ bila sekarang
+I
0 bila sekarang - 1,
dahulu
. Hasil uji coba dengan vektor masukan ,noise, darr
vektor keluaran yang dihasilkan
o..*---
-. -I...
e::n::eiltll;i#i$
#i$
;iiiii; i+lel1;
*ir
Input Output Input Output Input Output
e. -*-.e
...{.a. ...f
ll . -.

"aoo"
..o.#..
..tl.l+..
. ^#o#. .
.rf...\,r.

ii{il}[ *r# a* " 'oo

$:::::$
$l$ #l$

Input Output Input Output

...t+...
...o...
..o.#..
..o.*..
..ooo..
.o...o.
.f ...o.-*
o....
o.....*
*r$ $I*
$$\

. Hasil uji eoba dengan vektor masukan.yang rnempunyai

'noise' hingga 3C o/o
,, $dtlh ,a{tt ditCInnh
Input Output Input Output Input Output
..G#-e.
r2.tia.. #..
.o. 9"f;9t;9
e: *d*. e
;$E6$[;
@;#
.o-
#G.
$r*
$f* 69;ds:8 *##

i6e: agi *lr Go.

..o
.o. #*' $ae:ae:
o:'B"o
.lia..n. $i;
o..@..o o. - .6**o: .

l.tI
3.3 Nlemor i Aotoasosiatif NN

. vektor masukan s san-la dengan vektor keluaran t.

o Pembelajaran : storing
. Implernentasi : retreiving
(untuk vektor masukan yang sangat 'noisy,)
. Representasi bipolar lebih baik
. Pada urnumnya suku diaonal dzrlanr rnatriks bobot
diberi nilai 0

Arsitektur
.,,.-*------..-*

x"-
-/---\\
Input Output
Units Units

Algoritma

c Ortogonal : Aturan Hebb

o Tidak ortogonal : Aturan Delta

3.l{
 Pembelajaran : Aturan Heb
?
Matriks bobot
1.l)
z stcr) s rr)
4=t
Implementasi (retreive)

' Input vektor 'diketahui' atari 'tidak diketahui'

r Untuk pola masukan dan fungsi aktivasi : bipolar

Langkah 0 Tentukan bobot (aturau i-lebb, ouiel procluct)

Langkah l Uutuk setiap vektor nrasukan (tesL), iul<ukun Langlinh 2-4

Langkah 2 Tentukan rtilai ul<tivasi rreirron llrasLri<itrr

Larngkah 3 Hitung total-rrasLrkun untuk sel.iap unit kelLrlu'iu),.i = l-n
y- \ni = xr wU
,Z
Langkah 4 Gunakan fungsi aktivasi tj s[. . . . . .o)

ui *f rq-,ni )= tl, ilh Hi l3

Contoh Penggunaan

L. Menyimpan vekto r dalam bobot

l,ih"t ltnhttolaru^
x
f =(1,1,1,-1) t,.) =lt r r-tl
It i r-tl tA*rucn\\t\b )
$ote
lipr ir-il rl,
?

[1] 6 Itt, Ilh)rtp)

te\tltrt
-i -r =

trt&a, {*tr,\,\,

f\*wtt\\Rr\-tltt0rt Cb6h+) hn Ure

tnsciquet
laqrn hlor
r*
)l?
 )
,],1,1,i,-D
\

-&
., l' 9U
Yr
,v
lr
.l
J.

4. Irnplementasi : data 'salah' 2 komponeil

\v L-I,
fltt u.f I ttrL 6af-t rntnlenali l^q$ttr.ti tJtr"h(Irqtufri
5. Implementasi : data 'salah' 2 komponell; suku
diagonal clalaffI matriks dijadikan 0
$*Uo\
\itn
lo r r-tl
:

tlJusl, o \-l\ d t-l,-t, \,-l )).Uu=

Uj t-[ \, -t r)
t-t,\,-\,t 7

\tsa wrr4tnal

t0 o
[
-',:"J i rr(hlthP

a i:a*ut V";tt'oa' : !&rnr ivno,(rh dutrlnal'"

ul$rr.L
tr0at^

$\e\"r'\ttfi!ajn) t\tbht
Matriks diagonal 0 lebih b aik, \truturnauntut^
(s?il,Lq.Bq) ' '
[Hogtit[,tqEz)

3.t8
 -'i *.1i=
orli orrrnont - .r, _^ Ii
|r'Ui=o
Kapasitas Penyimpanan I

;,i.ffi ;;;.*-o,o,,*o,ar,'ilsr-,s,
fr cz ,,/
, 1.
h (L,r,-1,-1) ?.. (-1,1,1,-1;
-rr ro -l i rl I
',(-

l0 \ -l
l; o -i -r I*\-t
l-i -'[ o ' i,-J\
(
=[3 ;.:,-i ._Iffi.,ffi_
3/ 'Y*
\
l.-\
L
L
6,
IJ
\
-j-
L' I:
Ll' - r L-l:', !
iir rir
[r, - ut,tuJr_ -U
tt -:'
r Fq\\'r "
\o*\i\r;u"l I

Kasus 2. Menyimpan 2 vektor nonortogonal -y Wno-r

' ' '|
16

t, 9r. L** \eh\t

'
1.(1,-1,-1,1) 2.(1 ,1,-1,1) 1

111.Itil il1 Ll
btu^ fntn$UrrU' UeU*f
tftol"l**.,
gu$rttrr W1 t Ur. Hh[

Kasus 3. Menyirnpan 3 vektor ortogonal

2 vektor Kasus 1; ditambah dengan (- [ , I ,- 1 , 1 )

+ tlJg
tb3
:l
0J
U, t UJz 'ttl'!z

Io o0 -)ol \:, i l' -ll \l ;' :\

lo o-zl
l-z o o ol.l
Lo -2. o
'[,il ii']
=
L-l :\ l, i\
t^t mtgtndi
)rt
 Kasus 4. Menyimpan 4 vel<tor ortogonal

3 vektor Kasus 3, ditambah (1 ,1 ,1 ,1)

uJ.t$Ju* U r tuq

F-.
-\ -\ \ r \1 [o ouol
-,1 fo
\jl-i -J
. i,'\ = l ;;::
:l :\ \.1 ; \
-to-rl ltLt't\ lY9::1,'
[-r -\ ,J.Ll 1 i l,\= Ltt ti I
-r ;

i
tqEEitr( n$o oroti*t'! t"rchlorL- t k$*t*n) artrtnpo*'' tsbte)
a 3un[cJ,r lro**.]oil";; ue1r.toc $ry
ue]sor ,15{irintiltn tt$bb"^' )
rc\o.r\ uNtlrf

ftt ttqeq) ' - bi lotar IP

Ul $q'h*'l,l' s dkrynnO
,l

'-': ;"':":"*'^n* ,'-t [\' =*)mahtffi,.*t,

V tcaPt\turx \rqntionQattot "

,s 3.2o