?.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)
,I
./.f
memori autoasosiasi : vektor keluaran t persis Sama -.7hrp.'b"
clengan vekto. *orrrkan s 4r!h['-
t
{
t-
I
oAturanyangnrudalr,clanpzilingserirrgdigunakan
. Dapat digunakan bail< untuk representasi biner ataupun
bipopar
o Pasangan YeLlqursbgEn s : t ;
ygklojggrylgL!. (bisa niirip tak identik) x
W
i, (htil a tl',tij [tamo) t fi Vj
,
?.t
F er
l'3iUo
v
Ort.to$
Perkalian Vektor (outer product)
Penjelasan :
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.)
lb
Pada umumnya, apabila e1'ek cross talk tidak terlalu berat
rnaka pernbelajaran Hebb sudah cukup baik.
Per1uasanettltrancielta(exterrdedde1taru1e)
l.z
3.2 Memori Hetdtoasosiatif NN
"tt\_
/----
Arsitehtur
Y1
Y^
-r"----/
I
Pembelajaran .
Implementasi
I _i_
Fungst Akttvast lain yang bisa digunakan :
.,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)
Penggunaan representasi t
,
t tr) ,- lt,tp),
Pembelajaran :
,Matriks bobot adalah -UJ =tuu! -Isie)t;e )T
,-t
u t t I
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.
l.tI
3.3 Nlemor i Aotoasosiatif NN
Arsitektur
.,,.-*------..-*
x"-
-/---\\
Input Output
Units Units
Algoritma
3.l{
Pembelajaran : Aturan Heb
?
Matriks bobot
1.l)
z stcr) s rr)
4=t
Implementasi (retreive)
trt&a, {*tr,\,\,
-&
., l' 9U
Yr
,v
lr
.l
J.
\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
:
\tsa wrr4tnal
t0 o
[
-',:"J i rr(hlthP
$\e\"r'\ttfi!ajn) t\tbht
Matriks diagonal 0 lebih b aik, \truturnauntut^
(s?il,Lq.Bq) ' '
[Hogtit[,tqEz)
3.t8
-'i *.1i=
orli orrrnont - .r, _^ Ii
|r'Ui=o
Kapasitas Penyimpanan I
;,i.ffi ;;;.*-o,o,,*o,ar,'ilsr-,s,
fr cz ,,/
, 1.
h (L,r,-1,-1) ?.. (-1,1,1,-1;
-rr ro -l i rl I
',(-
l0 \ -l
l; o -i -r I*\-t
l-i -'[ o ' i,-J\
(
=[3 ;.:,-i ._Iffi.,ffi_
3/ 'Y*
\
l.-\
L
L
6,
IJ
\
-j-
L' I:
Ll' - r L-l:', !
iir rir
[r, - ut,tuJr_ -U
tt -:'
r Fq\\'r "
\o*\i\r;u"l I
111.Itil il1 Ll
btu^ fntn$UrrU' UeU*f
tftol"l**.,
gu$rttrr W1 t Ur. Hh[
F-.
-\ -\ \ r \1 [o ouol
-,1 fo
\jl-i -J
. i,'\ = l ;;::
:l :\ \.1 ; \
-to-rl ltLt't\ lY9::1,'
[-r -\ ,J.Ll 1 i l,\= Ltt ti I
-r ;
i
tqEEitr( n$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
,s 3.2o