Training

Dik :
X1 X2 Target
0 0 -1
0 1 -1
1 0 -1
1 1 1

w1 = 0, w2= 0,
b = 0,
 = 0,8,
 = 0,5

bobotBaru = wi(lama) + (  * t * Xi )
biasBaru = b(lama) + ( * t)

No. Neuron Input Bobot Baru

y_in y
Epoch X1 X2 t w1 w2 b
0 0 0
0 0 -1 0 0
0 1 -1
1
1 0 -1
1 1 1

Epoch 1
Data Ke-1
y_in =b+(w1 X1) + (w2 X2)
y_in = 0+(0*0) + (0*0)
=0

y= {
1 , jika y ¿∈ ¿> 0 ,5 ¿ 0 , jika−0 ,5 ≤ y ¿ ≤ 0 ,5
−1 , jika y ¿ ←0 , 5
¿

Karena y_in = 0 maka hasil aktivasi y = 0 (0, jika -0,2 ≤ y_in ≤ 0,2)
y = 0, tidak sama dengan target = -1, maka harus update bobot dan bias

w1(baru)= wi(lama) + (  * t * Xi ) = 0 + ( 0,8 * (-1) * 0 ) = 0

w2(baru)= wi(lama) + (  * t * Xi ) = 0 + ( 0,8 * (-1) * 0 ) = 0
biasBaru = b(lama) + ( * t) = 0 + (0,8 * (-1)) = -0,8
 No. Neuron Input Bobot Baru
y_in y
Epoch X1 X2 t w1 w2 b
0 0 0
0 0 -1 0 0 0 0 -0,8
0 1 -1 -0.8 -1
1
1 0 -1
1 1 1

Epoch 1
Data Ke-2
y_in =b+(w1 X1) + (w2 X2)
y_in = -0,8 +(0*0) + (0*1)
= -0,8

y= {
1 , jika y ¿∈ ¿> 0 ,5 ¿ 0 , jika−0 ,5 ≤ y ¿ ≤ 0 ,5
−1 , jika y ¿ ←0 , 5
¿

Karena y_in = -0,8 maka hasil aktivasi y = −1

y = −1, sama dengan target = -1, maka tidak harus update bobot dan bias
 No. Neuron Input Bobot Baru
y_in y
Epoch X1 X2 t w1 w2 b
0 0 0
0 0 -1 0 0 0 0 -0,8
0 1 -1 -0.8 -1 0 0 -0,8
1
1 0 -1 -0.8 -1
1 1 1

Epoch 1
Data Ke-3
y_in =b+(w1 X1) + (w2 X2)
y_in = -0,8 +(0*1) + (0*0)
= -0,8

y= {
1 , jika y ¿∈ ¿> 0 ,5 ¿ 0 , jika−0 ,5 ≤ y ¿ ≤ 0 ,5
−1 , jika y ¿ ←0 , 5
¿

Karena y_in = -0,8 maka hasil aktivasi y = −1

y = −1, sama dengan target = -1, maka tidak harus update bobot dan bias
Data Ke-4
b=0, w1=0, w2=1
bobotBaru = wi(lama) + (  * t * Xi )
biasBaru = b(lama) + ( * t)

w1(baru)= 0 + ( 1 * -1 * 0 ) = 0
w2(baru) = 1 + ( 1 * -1 * 1 ) = 0
biasBaru = 0 + (1 * -1) = -1
No. Neuron Input Bobot Baru
y_in y_out
Epoch X1 X2 t w1 w2 b
0 0 0
1 1 -1 0 0 1 1 1
1 0 -1 2 1 0 1 0
1
0 1 -1 1 1 0 0 -1
0 0 1 -1 -1 0 0 -1

y_in =b+(w1 X1) + (w2 X2)

y_in = -1+(0*0) + (0*0)

= -1

y_out ¿

Fungsi aktivasinya karena y_in = -1 maka y_out = -1

y_out = -1, sedangkan target = -1, tidak perlu pakai bobot dan bias baru pakai yang lama.
iterasi berhenti di Data Ke-4
(y_out & target mesti sama untuk menghentikan iterasi)

w1(baru)= 0 + ( 1 * -1 * 0 ) = 0
w2(baru) = 0 + ( 1 * -1 * 0 ) = 0
biasBaru = -1 + (1 * -1) = -2
 No. Neuron Input Bobot Baru
y_in y_out
Epoch X1 X2 t w1 w2 b
0 0 0
1 1 -1 0 0 1 1 1
1 0 -1 2 1 0 1 0
1
0 1 -1 1 1 0 0 -1
0 0 1 -1 -1 0 0 -1
1 1 -1 -1 -1
1 0 -1
2
0 1 -1
0 0 1

Epoch 2

Data Ke-1

y_in =b+(w1 X1) + (w2 X2)

y_in = -1+(0*1) + (0*1)

= -1

y_out ¿

Fungsi aktivasinya karena y_in = -1 maka y_out = -1 (0, jika -0,2 ≤ y_in ≤ 0,2)
y_out = -1, sedangkan target = 1, maka harus update bobot dan bias atau ke Data Ke-2
(y_out & target mesti sama untuk menghentikan iterasi)
Data Ke-2

b=-1, w1=0, w2=0

bobotBaru = wi(lama) + (  * t * Xi )
biasBaru = b(lama) + ( * t)

w1(baru) = 0 + ( 1 * 1 * 1 ) = 1
w2(baru) = 0 + ( 1 * 1 * 1 ) = 1
biasBaru = -1 + (1 * 1) = 0
No. Neuron Input Bobot Baru
y_in y_out
Epoch X1 X2 t w1 w2 b
0 0 0
1 1 1 0 0 1 1 1
1 0 -1 2 1 0 1 0
1
0 1 -1 1 1 0 0 -1
0 0 -1 -1 -1 0 0 -1
1 1 1 -1 -1 1 1 0
1 0 -1 2 1
2
0 1 -1
0 0 -1

y_in =b+(w1 X1) + (w2 X2)

y_in = 0+(1*1) + (1*0)

=2

y_out ¿

Fungsi aktivasinya karena y_in = 2 maka y_out = 1

y_out = 2, sedangkan target = -1, maka harus update bobot dan bias atau ke Data Ke-3
(y_out & target mesti sama untuk menghentikan iterasi)
Data Ke-3
b=0, w1=1, w2=1
bobotBaru = wi(lama) + (  * t * Xi )
biasBaru = b(lama) + ( * t)

w1(baru) = 1 + ( 1 * -1 * 1 ) = 0
w2(baru) = 1 + ( 1 * -1 * 0 ) = 1
biasBaru = 0 + (1 * -1) = -1
No. Neuron Input Bobot Baru
y_in y_out
Epoch X1 X2 t w1 w2 b
0 0 0
1 1 1 0 0 1 1 1
1 0 -1 2 1 0 1 0
1
0 1 -1 1 1 0 0 -1
0 0 -1 -1 -1 0 0 -1
1 1 1 -1 -1 1 1 0
1 0 -1 2 1 0 1 -1
2
0 1 -1 -1 -1
0 0 -1

y_in =b+(w1 X1) + (w2 X2)

y_in = -1+(0*1) + (1*0)

= -1

y_out ¿

Fungsi aktivasinya karena y_in = -1 maka y_out = -1

y_out = -1, sedangkan target = -1, maka harus update bobot dan bias atau ke Data Ke-4
(y_out & target mesti sama untuk menghentikan iterasi)
Data Ke-4
b=-1, w1=0, w2=1
bobotBaru = wi(lama) + (  * t * Xi )
biasBaru = b(lama) + ( * t)

karena y_in dan y_out sama maka nilai bobot dan bias akan ikut dengan nilai data sebelumnya
No. Neuron Input Bobot Baru
y_in y_out
Epoch X1 X2 t w1 w2 b
0 0 0
1 1 1 0 0 1 1 1
1 0 -1 2 1 0 1 0
1
0 1 -1 1 1 0 0 -1
0 0 -1 -1 -1 0 0 -1
1 1 1 -1 -1 1 1 0
1 0 -1 2 1 0 1 -1
2
0 1 -1 -1 -1 0 1 -1
0 0 -1 0 0 0 1 -1

y_in =b+(w1 X1) + (w2 X2)

y_in = -1+(0*0) + (1*1)

=0

y_out ¿

Fungsi aktivasinya karena y_in = 0 maka y_out = 0

y_out = 0, sedangkan target = -1, tidak perlu pakai bobot dan bias baru pakai yang lama.
iterasi berhenti di Data Ke-4
(y_out & target mesti sama untuk menghentikan iterasi)

w1(baru)= 0 + ( 1 * -1 * 0 ) = 0
w2(baru) = 0 + ( 1 * -1 * 0 ) = 0
biasBaru = -1 + (1 * -1) = -2