3 - Simple NN - Hebbian
3 - Simple NN - Hebbian
AND FUNCTION
1
Materi
1. Jaringan Hebb
2. Hebb untuk logika And
2
Jaringan Hebb
Sering dipakai pada single NN
Proses pembelajaran mengikuti aturan sebagai
berikut:
Jika 2 neuron yang berhubungan dalam keadaan on,
maka bobot kedua neuron tersebut dinaikkan
Nilai bobot baru jika jaringan berbentuk bipolar
Wi(baru) = Wi(lama) + xiy
Dimana Wi = bobot input ke i
xi = input ke i
y = output
3
Algoritma
1. Inisialisasi semua bobot
Wi = 0 (untuk i = 0 sampai n)
2. Untuk setiap input training dan target, s:t
lakukan langkah berikut:
a. Set aktivasi untuk input unit
xi = si (untuk i = 0 sampai n)
b. Set aktivasi untuk output unit
y=t
c. Adjust bobot
Wi(baru) = Wi(lama) + xiy (untuk i = 0 sampai n)
d. Adjust bias
bi(baru) = b (lama) + y
4
Algoritma
5
Hebb untuk logika And dengan
input biner dan target
Input Target
x1 x2 b t
1 1 1 1
1 0 1 0
0 1 1 0
0 0 1 0
6
Hebb untuk logika And dengan
input biner dan target biner
Perubahan bobot dari iterasi pertama sampai terakhir adalah:
7
Batas keputusan logika And dengan
aturan Hebb input pertama
x2
0 b+(x1w1)+(x2w2)=0
+
X2 = - (w1/w2)x1 - b/w2
x2 = -x1 - 1
-1 0 0
8
Hebb untuk logika And dengan
input biner dan target bipolar
Input Target
x1 x2 b t
1 1 1 1
1 0 1 -1
0 1 1 -1
0 0 1 -1
9
Hebb untuk logika And dengan
input biner dan target bipolar
Perubahan bobot dari iterasi pertama sampai terakhir adalah:
10
Batas keputusan logika And dengan
target bipolar input pertama
x2
-
-1 - -
x1
-
x2 = -x1 - 1
11
Hebb untuk logika And dengan
input dan target bipolar
Input Target
x1 x2 b t
1 1 1 1
1 -1 1 -1
-1 1 1 -1
-1 -1 1 -1
13
Batas keputusan logika And
dengan target bipolar
Pada input pertama
x2
-
- +
-1 - -
x1
x2 = -x1 – 1 - -
-
14
Batas keputusan logika And
dengan target bipolar
Pada input kedua x2
-
- +
x1
x2 = 0 - -
-
15
Hebb untuk logika And dengan
input dan target bipolar
Perubahan bobot dari input pertama sampai ketiga adalah:
16
Hebb untuk logika And dengan
input dan target bipolar
Perubahan bobot dari input pertama sampai keempat adalah:
17
Batas keputusan logika And
dengan target bipolar
Sampai iterasi terakhir x2
-
- +
-1 - -
x1
x2 = -x1 + 1
- +
-
18
Character Recognition
19
Character Recognition
20
Character Recognition
21
Character Recognition
22
Character Recognition
23
Other Simple Examples
Limitation of Hebb rule training for binary patterns
24
Other Simple Examples
25
Other Simple Examples
26
Other Simple Examples (2)
Limitation of Hebb Rule Training for Bipolar Pattern
27
Other Simple Examples (2)
Limitation of Hebb Rule Training for Bipolar Pattern
28
Exercise
Make a model to represent the three
example above
Hebb net for And Logic
Hebb net for Character recognition
Hebb net for Binary pattern
29