Perceptron merupakan salah satu bentuk jaringan sederhana,perceptron biasanya digunakan untuk mengklasifikasikan suatu pola tipe tertentu yang sering dikenal dengan pemisahan secara linear. Pada dasarnya perceptron pada jaringan syaraf dengan satu lapisan memiliki bobot yang dapat diatur. Dapat digunakan dalam kasus untuk mengenali fungsi logika “ dan “ dengan masukkan dan keluaran bipolar.
Algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter – parameter bebasnya melaluli proses pembelajaran. Fungsi aktivasinya dibuat sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan negative.
2. Apa yang dimaksud dengan perceptron multilapis?
Perceptron multi lapis adalah salah satu pemodelan dalam teknologi jaringan syaraf tiruan dengan karakteristik memiliki nilai bobot yang lebih baik daripada pemodelan yang lain,sehingga menghasilkan klasifikasi yang lebih akurat pula. Perceptron multi lapis diperkenalkan pertama kali pada tahun 1969 oleh S.Papert dan M.Minsky. Seperti namanya ,perceptron multi lapis merupakan pengembangan dari perceptron tunggal,sehingga memiliki beberapa lapisan ataupun hidden layer , yang terletak diantara ruang input dan output layer.Berikut adalah gambaran lapisan/hidden layer pada MLP :
3. Apa tujuan dari algoritma pelatihan dan bagaimana cara
penerapannya? Algoritma pelatihan digunakan untuk melatih jaringan syaraf tiruan ,yaitu dengan cara mengajarinya dengan contoh-contoh kasus/pola sampai jaringan syaraf tiruan berhasil mengenali pola tersebut. Setiap kali output yang dihasilkan jaringan tidak sesuai dengan target yang diharapkan maka setiap kali pula bobotnya di-update.Hal ini terus menerus dilakukan sampai tidak ada lagi bobot yang berubah untuk setiap pasangan Latihan sensor dan target . Bobot terakhir yang diperoleh pada saat pelatihan jaringan syaraf tiruan inilah yang akan digunakan pada saat pengaplikasian ( dengan menggunakan algoritma aplikasi perceptron)