PELATIHAN ADALINE
Modifikasi bobot dengan aturan delta (least mean square) sdh error minimum
Selama pelatihan, fungsi aktivasi yang dipakai fungsi identitas
PELATIHAN ADALINE
net = xi wi + b ;
y = f(net) = net
Error merupakan kuadrat selisih antara target (t) dan keluaran jaringan (f(net)) Aturan delta bobot dimodifikasi sdh error minimum Fungsi bobot wi : E = (t f(net))2 = (t (xi wi + b ))2
Inisialisasi semua bobot dan bias (umumnya wi=b=0) Tentukan laju pemahaman ( ) biasanya Tentukan toleransi yang diinginkan =0,1
y =f(net) = net
(t y) xi (t y)
Dilakukan sesudah proses pelatihan selesai dilakukan. Umumnya menggunakan fungsi aktivasi bipolar Algoritma :
Inisialisasi semua bobot dan bias dengan bobot dan bias hasil pelatihan
Untuk setiap input masukan bipolar x, lakukan :
Set aktivasi unit masukan xi = si (i=1, 2, n) Hitung net vektor keluaran : net = xiwi +b Kenakan fungsi aktivasi
CONTOH
Gunakan model Adaline untuk mengenali pola fungsi logika dan dengan masukan dan target bipolar:
= 0,1
PENYELESAIAN
= 0,1 wi = 0,1 (t - y) xi Ingat y = f(net) = net Epoch-1
LANJUTAN PENYELESAIAN
Epoch-2
Maksimum wi = 0,02 < toleransi = 0,05 iterasi dihentikan Bobot akhir w1 = 0,29, w2 = 0,26, b = -0,32 bobot pengenalan pola
LATIHAN
= 0,2
PENYELESAIAN
KESIMPULAN
Penggunaan yang lebih besar akan menyebabkan iterasi menjadi lebih cepat Penggunaan yang terlalu besar akan menyebabkan iterasi melompat terlalu jauh sehingga melewati bobot optimalnya
Terdiri dari beberapa adaline yang digabungkan Terdapat sebuah layar tersembunyi
Arsitekturnya :
SEJARAH MADALINE
Tahun 1960 (Widrow dan Hoff) Hanya bobot yang ke layar tersembunyi yang dimodifikasi Tahun 1987 (Widrow, Winter dan Baxter) semua bobot dimodifikasi
ALGORITMA MADALINE
DKL : unit Y membentuk fungsi logika atau Sehingga diambil nilai v1 = v2 = dan b3 =
Inisialisasi semua bobot dan bias dengan bilangan acak kecil Inisialisasi laju pemahaman (= ) dengan bilangan kecil Selama max wi > batas toleransi (atau jumlah epoch belum melebihi batas yang ditentukan, lakukan langkah 1 langkah 5.
Set aktivasi unit masukan xi = si (i=1, 2, n) Hitung net input untuk setiap unit tersembunyi ADALINE (z1, z2,)
2.
3.
Hitung keluaran setiap unit tersembunyi dengan menggunakan fungsi aktivasi bipolar :
4.
Untuk t =1, ubah bobot ke unit zj yang zin nya terdekat dengan 0 (misal unit zp) sebagai berikut :
Untuk t = -1, ubah semua bobot ke unit zk yang zin nya positif sebagai beikut :
Untuk mengenali pola, paling sedikit salah satu dari z tersebut harus dijadikan 1 Bobot yang dimodifikasi adalah bobot ke unit z yang netnya paling dekat dengan 0 (misal zp), maka:
Untuk mengenali pola, semua z harus memiliki f(net) = -1 Bobot yang dimodifikasi adalah bobot yang netnya positif (misal zk), maka:
CONTOH
Gunakan Madaline untuk mengenali fungsi logika XOR dengan 2 masukan x1 dan x2. Gunakan = 0,5 dan toleransi = 0,1
PENYELESAIAN
Pola-1 : Masukan x1 =1, x2 = 1, t= -1 Langkah-langkah : 1. Hitung net untuk z1 dan z2
2.
3.
PENYELESAIAN
4. t-y = -1 1 = -2 0 dan t = -1 semua bobot yang menghasilkan zin yang positif dimodifikasi.
Perubahan bobot ke z1
Perubahan bobot ke z2
PENYELESAIAN
Karena w > toleransi, iterasi dilanjutkan untuk pola 2. Dengan cara yang sama, kerjakan untuk pola yang lain Jika ada perubahan bobot yang lebih besar dari toleransi, maka iterasi dilanjutkan ke epoch 2.
TUGAS.