vk wkj x j
dan
j 0
y k vk
SUMMATION FUNCTION
SUMMATION FUNCTION
Fungsi Aktivasi
Fungsi Aktivasi
Fungsi Aktivasi
Hard limit function
a = 0 jika n < 0
a = 1 jika n 0
+1
0
-1
a = hardlim ( n )
Karakteristik JST
Karakteristik JST
Ditentukan oleh :
Arsitektur JST
Contoh
Arsitektur JST
Arsitektur JST
Multilayer Net
Multilayer Net
Competitive Net
Competitive Net
Pembelajaran Terawasi
Target
Pembelajaran Terawasi
Hybrid
Model Hebb
Model Hebb
Langkah-langkah :
1.Inisialisasi semua bobot = Wi = 0 (i=1,..,n)
2.Untuk semua vektor input s dan unit target t,
lakukan :
Contoh Kasus
Membedakan pola :
#o#
#oo
o#o
#oo
#o#
###
(X)
(L)
Bagaimana JST mengenali pola berikut :
##o
##o
###
Contoh Kasus
# = 1, o = -1
X = 1, L = -1
Fungsi aktivasi :
y = 1, jika y_in >= 0
y = -1, jika y_in < 0
#o#
o # o t=1
#o#
#oo
# o o t= -1
###
Contoh Kasus
Input pertama :
1 -1 1
-1 1 -1
1 -1 1
W = x.t, maka nilai W untuk tiap input:
1 -1 1
-1 1 -1
1 -1 1
Bias = b.t = 1.1 = 1
Contoh Kasus
Input kedua :
1 -1 -1
1 -1 -1
1 1 1
W = x.t, maka nilai W untuk tiap input:
-1 1 1
-1 1 1
-1 -1 -1
Bias = b.t = 1.-1 = -1
Contoh Kasus
Bobot baru :
0 0 2
-2 2 0
0 -2 0
Bias = 0
Contoh Kasus
Contoh Kasus
Aplikasikan ke pola yang baru :
1 1 -1
1 1 -1
1 1 1
Beri bobot yang baru : (1.0)+( -1.0)+
(-1.2)+(1.-2)+(-1.2)+ (-1.0)+(1.0)+
(1.-2)+(1.0) = -8
Jadi y = -1, dikenali sebagai L
Perceptron
Bentuk paling sederhana dari JST.
Digunakan untuk pengklasifikasian pola
khusus yang biasa disebut linearable
separable.
Terbatas hanya untuk mengklasifikasikan
dua kelas saja.
Perceptron
Outp
ut y
Inputs
xp
Thresho
ld
(bias)
Perceptron
x1
x2
w1
vi
w2
Inputs
wp
xp
-1
Threshold
(bias)
(vi)
Hard
limiter
Output
y
Perceptron
x
2
Kelas K1
Kelas K2
x1
Decision boundary
w1x1 + w2x2 - = 0
Perceptron
Vektor input:
x [ x1
Vektor bobot:
w [ w1
Vektor output:
v w .x
T
x2
w2
...
...
x p ]T
T
wp ]
Perceptron
Aturan Pembelajaran (Learning Rule)
Error e (sinyal kesalahan) dinyatakan sbb:
e=ty
dimana :
Jika e = 1 , maka wbaru = wlama + x ( 1 )
Jika e = -1 , maka wbaru = wlama x ( 2 )
Jika e = 0 , maka wbaru = wlama ( 3 )
wbaru = wlama + e.x
bbaru = blama + e
Keterangan Variabel-Variabel
e = error
t = target
x = input
y = output
w = bobot
Contoh Kasus
Membedakan :
Contoh Kasus
Contoh Kasus
x1
x2
x3
w1
w2
w3
No bias neuron
Ada 3 input yaitu x1,x2 dan x3
Ada 3 bobot yaitu w1, w2 dan w3
Contoh Kasus
1. Hitung jumlah input berbobot (v)
(1*0.5)+(1*0.5)+(0*0.5) = 1
Contoh Kasus
2. Fungsi Aktivasi (menggunakan hardlimit)
y = 0 jika v < 0
y = 1 jika v 0
y = hardlimit(v)
y = hardlimit(1)
Jadi y = 1, sesuai target t = 1 untuk input
pertama
Contoh Kasus
3.Cek bobot apakah cocok dengan input
kedua [0 1 1] dengan t=0, bobot [0.5 0.5
0.5]
v = (0.5*0)+(0.5*1)+(0.5*1) = 1
y = hardlimit(1)
y = 1, tidak sesuai dengan target, t = 0,
maka harus dilakukan perubahan bobot
Contoh Kasus
Contoh Kasus
5. Hitung y dengan bobot yang baru
v = (0.5*0)+(-0.5*1)+(-0.5*1) = -1
y = hardlimit(-1) = 0, sesuai dengan t=0
6. Cek bobot yang baru dengan input
pertama
v = (0.5*1)+(-0.5*1)+(-0.5*0) = 0
y = hardlimit(0) = 1, sesuai dengan t=1
Perceptron
7. Jika semua input sudah diklasifikasi
dengan benar, tidak perlu ada perubahan
pada bobot sehingga digunakan aturan
sbb:
Jika t = y, maka wbaru = wlama
x1
,t1
1
0
x3
,t3
1
0
1
2
x2
2 ,t2
1
0
Contoh Kasus 2
Test Problem
x1
x2
w1
w2
No bias neuron
Contoh Kasus 2
y
a
1
h
1
rd
lim
0
.8
h
a
rd
lim
(
0
.6
)
0
2
Contoh Kasus 2
Contoh Kasus 2
Perlu diputar berlawanan
arah dengan jarum jam
p2
n = wp + b = 0
n = w1 .x1 + w2 . x2 = 0
n 1
p1
1W
n 1
Maka,
x1 0.8 x2 = 0
5x1 4x2 = 0
Jika x2 = 1 x1 = 0.8
Jika x1 =1 x2 = 1.25
1
1
2
y
w
h
ard
lim
21
ard
..2
0
8
.h
2
lim
(4)1
b
a
rula
m
1
Contoh Kasus 2
Contoh Kasus 2
p2
1
T
W
1
n 1
2x1 + 1.2 x2 = 0
Jika,
n 1
x2 = 1 x1 = - 1.2/2
x1 = - 0.6
y
lim
1
h
ard
21
.2
h
ard
lim
(0
.4
)
1
Contoh Kasus 2
1
3
y
h
w
ardlim
30.8
2
1
h
lim
.
.ard
2
0
8
(46)
0
b
a
rula
m
2
Contoh Kasus 2
Contoh Kasus 2
p2
n 1
T
W
1
n 1
p1
Maka,
3x1 0.8 x2 = 0
Jika,
x2 = 2 x1 = 1.6/3
x1 = 8/15
y
lim
0
h
ard
3
0
.8
h
ard
lim
(0
.8
)
1
1
Contoh Kasus 2
3
0
3
y
h
w
ardlim
30.21
0
h
lim
.
8
.ard
1
0
2
(
)
b
a
rula
m
3
Contoh Kasus 2
Contoh Kasus 2
p2
n 1
T
W
1
Maka,
3x1 + 0.2 x2 = 0
p1
Jika,
3
n 1
x2 = 1 x1 = -0.2/3
x1 = -1/15
Contoh Soal
Contoh Soal