NIM : 20190801462
Tugas : Kecerdasan Buatan (Sesi 11)
1. Buatlah jaringan Hebb untuk menyatakan logika AND jika representasi masukan dan
keluaran yang dipakai adalah
a. Masukan biner dan keluaran bipolar
b. Masukan dan keluaran bipolar
Masukan Target
X1 X2 b t
1 1 1 1
1 0 1 0
0 1 1 0
0 0 1 0
Kondisi awal (inisialisasi) semua bobot dan bias diberi nilai = 0. Analisa apakah jaringan
diatas mengerti pola yang diberikan.
Jawab:
X1 X2 b t ∆𝑤1 ∆𝑤2 ∆𝑏 W1 W2 b
Inisialisasi 0 0 0
1 1 1 1 1.1 = 1 1.1 = 1 1.1 = 1 0+1=1 0+1=1 0+1=1
1 -1 1 -1 1.-1 = -1 -1.-1 = 1 1.-1 = -1 1 + -1 = 0 1+1=2 1 + -1 = 0
-1 1 1 -1 -1.-1 = 1 1.-1 = -1 1.-1 = -1 0+1=1 2 + -1 = 1 0 + -1 = -2
-1 -1 1 -1 -1.-1 = 1 -1.-1 = 1 1.-1 = -1 1+1=2 1+1=2 -2 + -1 = -3
w1 = 2, w2 = 2, b = -3
Hasil akhir:
x1 x2 n = x 1 w1 + x 2 w2 + b a = f(n)
1 1 1.2 + 1.2 + (-3) = 1 1
1 0 1.2 + 0.2 + (-3) = -1 -1
0 1 0.2 + 1.2 + (-3) = -1 -1
0 0 0.2 + 0.2 + (-3) = -3 -1
f(n) = 1, n ≥ 0
= -1, n < 0
2. Carilah satu artikel jurnal yang membahas tentang penerapan jaringan syaraf tiruan.
Informasikan tentang judul artikel tersebut, link artikel (URL) dan juga ringkasan singkat dari
isi artikel tersebut terkait masalah yang diangkat dan solusi yang ditawarkan, pola hubungan
antar neuron (arsitektur jaringan) yang digunakan serta jenis metode pembelajaran yang
digunakan.
Jawab:
Link : https://jurnal.kaputama.ac.id/index.php/JTIK/article/download/82/82
Judul : Jaringan Syaraf Tiruan Pengenalan Pola Huruf Dengan Jaringan HEBB
Pengenalan pola karakter dalam ilmu artifisial intelegen merupakan metode yang sangat
berkembang cepata dan terus dikembangkan hingga saat ini, kebutuhan akan keamanan
informasi dan sekuritas sebuah informasi ataupun device bisa di block dengan menggunakan
sebuah system yang tertanam sebuah kemampuan ataupun fitur dalam pengenalan pola.
Bidang ilmu Jaringan syaraf tiruan merupakan salah satu representasi buatan dari
kemampuan otak manusia yang selalu mensimulasikan proses pembelajaran pada otak
manusia tersebut.
Pada artikel ini menggunakan jaringan single layer (feedforward). Jika data ditunjukkan dalam
bentuk bipolar, ini mudah untuk menyatakan pembahruan bobot yang diinginkan sehingga
wi(new) = wi(old) + xi y
jika data adalah biner, formula ini tidak membedakan antara pasang pelatihan di mana unit
input adalah “on” dan nilai target adalah “off” dan pasangan pelatihan yang mana antara unit
input dan nilai target adalah “off”. Berikut ini adalah arsitektur hebbnya
Karakterisik yang harus dimiliki oleh fungsi aktivasi jaringan perambatanbalik antara lain harus
kontinyu, terdiferensialkan, dan tidak menurun secara monotonis (montonically non-
decreasing). Lebih lanjut, untuk efisiensi komputasi, turunan fungsi tersebut mudah
didapatkan dan nilai turunannya dapat dinyatakan dengan fungsi aktivasi itu sendiri. Fungsi
aktivasi kedua adalah sigmoid bipolar yang memiliki jangkauan nilai [-1,1] dan didefinisikan
sebagai:
Pada penelitian itu, menggunakan dua pola huruf U dan S dengan menggunakan inputan
sebanyak 25 titik dari setiap patern. Selanjutnya diubah ke dalam representasi nilai bipolar, X
= 1 dan O = -1.