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