Kredensial Mikro

Mahasiswa Indonesia

Perceptron
Khairul Anam (khairul@unej.ac.id)
Universitas Jember, 2021

KURSUS KMMI: MACHINE LEARNING & DEEP LEARNING FOR AGROINDUSTRY

Satu neuron à Perceptron
Metode belajar
• Dengan pengawasan/guru (supervised learning)
• Pengetahuan tentang output àbelajar dengan
kehadiran seaorang ahli atau guru
• Data diberi abe dengan kelas/kelompok atau nilai
• Tujuan: memprediksi kelas atau nilai
• Ex: artificial neural networks, support vector machine,
Decisii tree, Bayesian classifier
• Tanpa pengawasan/guru (unsupervised learning)
• Tidak ada pengatahun tentang ouput
• Data tidak ada label atau nilai target
• Tujuan: menentukan pola data atau pengelompokan
• Algoritma belajar sendiri
• Ex: k-means, pendekatan clustering dll
Mekanisme belajar Perceptron
Berbagai jenis Perceptron
Berbagai jenis Perceptron (Lanjt)
Berbagai jenis Perceptron (Lanjt)
Loss Function yang diminimalkan
Kesimpulan
• Perceptron belajar dengan cara meminimalkan loss function
• Perbedaan rumus loss function menghasilkan variasi machine
learning yang berbeda
• Bagaimana jika perceptronnya banyak?
Materi Selanjutnya

Multi Layer Perceptron