0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
14 tayangan14 halaman
Workshop dan tutorial AI membahas jenis-jenis jaringan saraf tiruan seperti perceptron tunggal, perceptron berganda, dan LVQ. Materi ini menggunakan dataset sonar untuk melatih dan menguji kinerja perceptron dalam mengklasifikasi sonar sinyal dasar laut menjadi batu atau ranjau laut. Program python dibuat dari awal untuk melatih dan menguji perceptron pada dataset sonar. Kinerja algoritma dievaluasi menggunakan skor F1.
Workshop dan tutorial AI membahas jenis-jenis jaringan saraf tiruan seperti perceptron tunggal, perceptron berganda, dan LVQ. Materi ini menggunakan dataset sonar untuk melatih dan menguji kinerja perceptron dalam mengklasifikasi sonar sinyal dasar laut menjadi batu atau ranjau laut. Program python dibuat dari awal untuk melatih dan menguji perceptron pada dataset sonar. Kinerja algoritma dievaluasi menggunakan skor F1.
Workshop dan tutorial AI membahas jenis-jenis jaringan saraf tiruan seperti perceptron tunggal, perceptron berganda, dan LVQ. Materi ini menggunakan dataset sonar untuk melatih dan menguji kinerja perceptron dalam mengklasifikasi sonar sinyal dasar laut menjadi batu atau ranjau laut. Program python dibuat dari awal untuk melatih dan menguji perceptron pada dataset sonar. Kinerja algoritma dievaluasi menggunakan skor F1.
Prof. Dr. Eng. Wisnu Jatmiko Dr. Ario Yudo Husodo Machmud Roby A. M.Kom Grafika Jati, M.Kom
Faculty of Computer Science, 26 Oktober 2021
Artificial Neural Network (ANN) at Glance
Single Layer Perceptron Multi Layer Perceptron Learning Vector Quantization
(LVQ) Sonar Dataset : 60 feature, 2 class The resources for this dataset can be found at https://www.openml.org/d/40 Author: Source: Unknown - Please cite: NAME: Sonar, Mines vs. Rocks SUMMARY: This is the data set used by Gorman and Sejnowski in their study of the classification of sonar signals using a neural network [1].
https://datahub.io/machine-learning/sonar import library dan fungsi untuk load data dari penyimpanan lokal
Inisialisasi dan import library yang digunakan
Load dataset sonar
Fungsi untuk mempersiapkan data Fungsi untuk pembagian Dataset menjadi k fold Fungsi untuk evaluasi performa klasifier Fungsi utama untuk evaluasi klasifier Fungsi untuk testing klasifier dan training bobot Fungsi utama perceptron Pemanggilan data, setting perameter, dan main command Analisa Performa
F1-Score adalah harmonic mean dari precision dan recall
Reference • https://datahub.io/machine-learning/sonar • GitHub - architsingh15/Perceptron-Algorithm-from-scratch-Sonar- Dataset: Analysis of the Sonar Dataset using algorithm designed from scratch The End of Presentation