Adaline Madaline PDF
Adaline Madaline PDF
. ADALINE
6. I Pelatihan ADALINE
Model ADALINE (Adaptive Linear Neuron) ditemukan oleh Widrow
& Hoff (1960). Arsitekhrmya mirip dengan percephon. Beberapa
masukan (dan sebuah bias) dihubungkan langsung dengan sebuah
neuron keluaran. Per{redaan dengan perceptron adalah dal,am hal cara
modifikasi bobobrya. Bobot dimodifikasi dengan aturan delta (sering
juga disebut least mean square). Selama pelatihan, fttngei aktivasi yang
dipakai adalah funpi identitas.
s= (r -f(net))'z=
[,-(Tr*.r))
E mertrpakan funpibobot wi. Penurunan E tercepat terjadi pada arah
+
awi= -r(,[ -(>,.,a
.ajl', = -2(t - !) *,.Maka perubahan
\? ))
bobotadalah:
u Jaringan S)araf Tiruan dan Pemrograrnannp Menggunakan lvladab ADALINE 85
/p*rop
L., = a(t - y) x, dmgan a merupakan bilangan kecil 1. Inisialisasi semua bobot dan bias dengm bobot dan bias hasil
diambil = 0,1) pelatihan .
2. Unhrksetiap inputmasukanbipolar>g lakukan :
Algorihna pelatihan ADALINE adalah sebagai berikut a. Set aktivasi unitmasukan x1 = 5i (i = 1, ..., n)
1. 1, 1
Penyelesaian r. Maksimtrm Lw,= g.g2 < tolerarsi, maka iterasi dihentikan dan bobot
Dengan d = 0.1, maka perubahan bobottya - Lwi= 0.1 (t - f(net)) xr = terakhir yang diperoleh (wr = 0.29, wz =.0.26 dan b = '0.32)
mempakan bobot yang diprrakan dalam pengenalan prolanya.
0.1 (t - y) xi. Iterasi untuk epoch-1 tampak pada tabel 6.2. Dalam tabel
6.2, f(net) = net Tabel 6.4 mempakan pengenalan pola fturgsi "da71" menggr-urakan
bobot hasil pelatihan. Perhatikan bahwa frurgsi aktivasi yang dipakai
Tabel 6.2
Lrerbeda dengan fungsi aktivasi pada pelatihan. Dalam pengenalan
Masukan y = PerubahanBobot Bobot Baru .iika net > 0
pola, fungsi aktivasinya adalah : y =
jiku net < 0
(xr xz L) net f (ne$ t-y (Lw, Lw, L,b) (wr wz b)
Tabel 6.4
Inisialisasi (0 00)
Masukan
(111) 1 001(0.1 0.1 0.1) (0.1 0.1 0.1)
(1 -1 1) -1 0.1 0.1 -1.1 C0.11 0.11 -0.11) C0.01 0.21 -0.01) X1 X2
(-1 1 1) -1 0.21. 0.2L -1.21, (0.12 -0.12 -0.12) (0.11 0.09 -0.13)
1 1 0.23 1
(-1 -1. 1) -1 -0.33 -0.33 -0.67 (0.07 0.07 -0.0n (0.18 0.16 -0.2)
1 -1 -0.29 -1
-1 1
-0.35 -1
Maksimum Aw,= g.g7 > toleransi, maka iterasi dilanjutkan untuk
epodr kedua, yang tampak pada tabel 6.3 -1 -1 -0.87 -1
Tabel 6.3 Tampak bahwa keluaran jaringan tepat sama dengan targefiya.
Disimpuikan trahwa pola dapat dikenali dengan sempruna
Masukan y= PenrbahanBobot Bobot Baru menggunakan bobot hasil pelatihan
(xr xz 1) net f (net) t- y (Lw, Lw, A,b) (wr wz b)
lrisialisasi (0.18 0.1,6 -0.2) Contoh 6.2
(1 11) 1 0.14 0.1.4 0.86
?
(0.0e 0.0e 0.0e) (0.26 0.24 -0.11) Ulangr contoh 6.l,tapimenggunakarr a =0.2
(1 -1 1) -1 -0.09 -0.09 -0.91 (-0.0e 0.0e -0.0e) (0.17 0.33 -0.2) Penyelesaian
(-1 1 1) -1 -0.04 -0.04 -0.96 (0.1 -0.1 -0.1) (0.27 0.24 -0.3) Tabel 6.5 mempakan hasil iterasi ADALINE dengan menggturakan
rl
Tabel6.5
Inisialisasi (000)
(1 11) T 0 0 1 (0.2 0.2 0.2) (0.2 0.2 0.2)
(1 -1. 1) -1 0.2 0.2 -1..2 (-0,24 0.24 -0.24) (-0.04 0.44 -0.04)
(-1 1 -1 0.M 0.M -1,.M (0.2e -0.29 -0.29) (0.25 0.15 -0.33) Gambar 6.1
1)
(-1 -1. 1) -1 -0.73 -0.73 -0.27 (0.05 0.05 -0.05) (0.3 0.21, -0.38) Keluaran dari unit tersembunyi zt dan zz adalah nilai fungsi aktivasi
(dan threshold) yang diterima dari xr dan xz. Demikian pula trnit
Maksimtrm A., = 0.05 = toleransi, maka iterasi dihentikan dan bobot keluaran Y merupakan nilai fungsi aktivasi dai zr drr zz. Meskiptur
keluaran zt dart 22 rnasing-masing menrpakan fungsi linier, tetapi
terakhir yang diperoleh (wr = 0.3, wz= 0.2\ dan b = -0'38) mempakan
keluaran Y bukanlah fungsi linier xr dan x2 karena adanya unit
bobot yang digunakan dalam pengenalan polanya. Dengan cara
tersembunyi.
seperti perhitungan tabel6.4, dapat dicek bahwa bobot yang diperoleh
akan mengenali semua pola denganbenar Adanya unit tersembunyi dalam MADALINE akan meningkatkan
Dari contoh 5.L dan 6.2 tampak bahwa penggunaan a yang lebih kapabilitas komputasi dibandingkan ADALINE, meskipu:r
pelatihannya juga lebih kompleks.
besar akan menyebabkan iterasi menjadi lebih cepat. Akan tetapi
penggunaan a yang terlalu besar akan menyebabkan iterasi Pada awal ditemukannya MADALNE (Widrow dan Hoff (1960)),
melompat terlalu jauJr sehingga melewati bobot optimaL:rya' hanya bobot ke urrit tersembunyi (wtr,wtz,w2r,w22 dalam gambar 6.1)
saja yang dimodifikasi selama proses pelatihan. Bobot ke unit keltnran
Algoritma pelatihan MADALINE mula-mula unttrk pola masukan Unhrk t = 1, trbah bobot ke turit ziyerrlgzinnya terdekat dengan
dan target bipolar adalah sebagai berikut : 0 (misal ke unit z*) sebagai berikut :
"
1. Irrisialisasi semrn bobot dan bias dengan bilangan acak kecil. bpbaru = bplama + a (l-r*_n)
IrLisialisasi laju pemah€unan (= a ) dengan bilangan kecil.
wpibam = wpildma + a(l-zin_p)xi
2. Selama penrbahan bobot lebih besar dari toleransi (atau jtunlah
Untuk t = -1, ubah semua bobot ke tuLit zk yau:]rg zin nya positip
epoch belttm melebihi batas yang ditenhrkan), lakukan langkah 2.1
sebagaiberikut:
_25
zin-i = bi+ logtko modifikasi bobot pada langkah 2.5 adalah sebagai berikut
lx,w,, :
Jika y *targct:
99. Jaringan Syaraf Tiruan dan Pemrograrnanrrya Menggunakan Matlab ADALINE
93
Penyelesaian
Tabel 6.6
0.15
Masukan Target (11
Xrx2t Gamba r 6.2
11-1 Disini hanya akan dilaktrkan iterasi unhrk pola pertama saja. pelatihan
pola-pola selanjukrya dilakukan secara onitog dan diserahkan kepada
1-1 1
prembaca unhrk la tihan.
2.5t-y = -1 -1 = -2+0 dan t=-l.Makasemtlabobotyang Iterasi dilakukan ,ntuk semua pola. Apabila ada perubahan bobot
menghasilkdn z_nyang positip dimodifikasi. Karena zn-t) 0 dan vang masih lebih besar dari batas toleransi, {naka iierasi dilanjutkan
znJ) 0, maka semtnbobotrrya dimodifikasi sebagaiberikut: unhrk epoch-2 dan seterursnya.
wrrbam - wlllama + a (-1-2i,,-t) xt = 0.05 +0'5 (-1-0'55) =-0'725 A-- Lnangi contoh 6.2 dengan menggunakan masukan dan target biner
wrz bam = wr2lama + d. (-1 - zn-r) xz= 0.2 + 0.5 (-1 - 0.55) = -0.575 Ot*anbipolar)
Penrbahan bobot ke unit tersembtrnyi zz : 3. Gunakan ADALINE unhrk mengenali fungsi logika ,,dar(,dengan
3btrah masukan (a =0.5 dan toleransi = 0.1).
bzbam - bzlama + a (-1.-z--z) = 0.15 +0.5 (-1 -0.45) = -0.575
4. selesaikan soal latihan #5 pada bab 4 (model Hebb) menggtrnakan
wzr bam = wl lama + a (-1- zn2) x1= 0.1 + 0.5 (-1 - 0.45) = -0.625 ADALINEdengan a=0.5, bobotawal=0, dan tolerarsi
= 0.1.
Tabel6.8
Bobot
mula
mula- Bobot setelah
iterasi
llrl
br 0.3 -0.475 0.775
Karena masih ada (bahkan semua) perubahan bobot > toleransi yang
ditetapkan, maka iterasi dilanjutkan unhrk pola 2.