Sinapsis :
Output neuron yang akan diteruskan ke
neuron lain tergantung pada fungsi aktivasi f
a = f(n)
Fungsi Aktivasi (fungsi transfer)
p1 w1
w2 n a
p2
w3 f
p3
w4
p4
Semua pembobotan positip sama (w1 = w2)
Semua pembobotan negatip sama (w3 = w4)
Fungsi aktivasinya biner sehingga sering disebut
sebagai simple binary threshold neuron
a f (n ) 1, n threshold
0, n threshold
Contoh Soal 1.1
Buat model neuron McCulloch-Pitts untuk menyatakan fungsi logika AND
Jawab :
Tabel kebenarannya AND adalah :
p1 p2 n = p1 w1 +p2 w2 a = f(n)
0 0 0.1+0.1=0 0
0 1 0.1+1.1=1 0
1 0 1.1+0.1=1 0
1 1 1.1+1.1=2 1
Threshold dapat diubah dengan menggunakan bias :
n w 1p1 w 2 p 2 b p1 p 2 2
a f (n ) 1, n 0
p1 1 0, n 0 threshold 0
n a
f n p1 p 2 2 0 garis pemisah
1
p2
b=- p1 p2 n = p1 w1 +p2 w2 + a = f(n)
2 b
1
0 0 0.1+0.1 - 2=- 2 0
p2 0 1 0.1+1.1 - 2= -1 0
1 0 1.1+0.1 - 2 =- 1 0
p2 = - p1 +2
1 1 1.1+1.1 - 2= 0 1
Pembobotan dan bias dapat ditentukan secara analisis :
w1 b
n w 1p1 w 2 p 2 b 0 p 2 p1
w2 w2
w1 b
p2 =p1 +0,5 p 2 p1 2 1 2
p1 w2 w2
w 2 1 w 1 1 b 2
Banyak garis-garis pemisah yang mungkin
Contoh Soal 1.2
Fungsi logika OR dengan dua masukan akan mempunyai keluaran 0 jika dan
hanya jika kedua masukannya 0. Buat model neuron McCulloch-Pitts untuk
menyatakan fungsi logika OR
Jawab :
Tabel kebenarannya OR adalahNeuron
: yang sesuai adalah (dengan
p1 p2 a coba-coba):
p1 1
0 0 0 n a
f
0 1 1 1
p2 w1 = w2 =1
1 0 1 Threshold = 1
1 1 1 p2
w1 b
p2 p1
w2 w2
p1 p2 n = p1 w1 a = f(n) p1 1
+p2 w2
0 0 0.1+0.1=0 0 p2 =p1 +1
0 1 0.1+1.1=1 1
1 0 1.1+0.1=1 1
p1
1 1 1.1+1.1=2 1
Contoh Soal 1.3
Buat model neuron McCulloch-Pitts untuk menyatakan fungsi logika p 1 p2
Jawab :
Tabel kebenarannya p1 p2 adalah :
Neuron yang sesuai adalah (dengan
p1 p2 p1 p2
coba-coba):
p2 p1 2
n a
0 0 1 0 f
-
0 1 0 0 p2 1 w1 = 2
1 0 1 1
w2 = -1
1 1 0 0 Threshold = 2
pqpq p2
(p q) = ( p q) = p q
p1 p2 n = p1 w1 a=
+p2 w2 f(n)
0 0 0.2+0.-1=0 0
0 1 0.2+1.-1= - 1 0
1 0 1.2+0.-1=2 1
p1
1 1 1.2+1.-1=1 0
Contoh Soal 1.4
Buat model neuron McCulloch-Pitts untuk menyatakan fungsi logika XOR
Jawab :
Tabel kebenarannya XOR adalah : p2
p1 p2 XOR
0 0 0
0 1 1
1 0 1
1 1 0
p1
Ternyata jaringan untuk menyatakan fungsi logika XOR tidak bisa dibuat
seperti contoh-contoh yang lalu ( tidak dapat dipisahkan oleh sebuah garis).
Baru dapat dipisahkan dengan dua buah garis, sehingga perlu digunakan
sebuah layar tersembunyi (hidden layer)
p1 XOR p2 (p1 p2) ( p2 p1)
q1 = (p1 p2) w1 =2, w2 = -1, threshold = 2
2 q1
p1 f 1
-1
a
f
-1 1
OR
2 q2
p2 f
Layar
tersembunyi
p1 p2 q1 = p1 p1 q2 = p 2 q1 q2 = p1 XOR p2
p2 p2 p1
0 0 1 0 1 0 0
0 1 0 0 1 1 1
1 0 1 1 0 0 1
Soal Latihan 1.1
Buat model McCulloch-Pitts untuk menyatakan fungsi logika NAND dengan dua
masukan biner
p1 p2 NAND
0 0 1
0 1 1
1 0 1
1 1 0
Jawab : p1 w1
n a
f
p1 p2 NAND w2
p2
0 0 1 b
0 1 1
1
1 0 1
w1 b 4
1 1 0 p2 p1 p 2 p1 2
w2 w2 3
w1 4 b
p2 2
w2 3 w2
4
p 2 p1 2 w 2 3 w 1 4 b 6
3
p1 p2 n = p1 w1 +p2 a=
w2+ b f(n)
a f (n ) 0, n 0 0 0 0.3+0.4- 6=-6 1
1, n 0 0 1 0.3+1.4-6 = - 2 1
1 0 1.3+0.4-6 =-3 1
p1
Soal Latihan 1.2
Buat model McCulloch-Pitts untuk menyatakan fungsi logika XNOR dengan dua
masukan biner
p1 p2 p1 p2 p2
p2
0 0 1 1
p 2 p1 0,5
0 1 0 0
a f (n ) 0, n 0
1 0 1 1
1, n 0
1 1 0 1
w1 b
p2 p1 p 2 p1 0,5
w2 w2
w1 b p1
1 0,5
w2 w2
w 2 1 w 1 1 b 0,5
w2 = 1, w1 = -1, b= - 0,5
a f (n ) 0, n 0
1, n 0
p1 p2 n = p1 w1 +p2 a = f(n)
w2+ b
0 0 0.-1+0.1- 0,5=- 1
0,5
0 1 0.-1+1.1- 0,5 = 0
0,5
1
XNOR =(0 p1 1.-1+0.1-
p2) ( p2 0,5
p1=-
) = q2 1q1
1,5
Neuron
1 XNOR
1 :
1.-1+1.1- 0,5 =- 1
0,5
-1 q1
p1 f 1
1
- 0,5 a
f
1 1
1
-1 q2 -2
p2 f
1
- 0,5 AND
1
Neuron Hebb
Pada model neuron McCulloch-Pitts pembobotan dan
bias harus ditentukan secara coba-coba atau secara
analitis
Diperlukan suatu cara/metoda tertentu untuk
menentukan pembobotan dan bias
Pada 1949 Hebb memperkenalkan model neuron
yang dapat menentukan pemboboran dan bias
secara iteratif
Algoritma pelatihan Hebb dengan vektor input s dan
target t :
Inisialisasi semua bobot = 0 dan b = 0
Set masukan pi = si (i=1,2, R)
Set keluaran a = t
Perbaiki bobot : wi (baru) = wi (lama) + w dengan w = pi t
Perbaiki bias : b(baru) =b(lama) + b dengan b = t
Contoh Soal 1.5
Buat jaringan Hebb untuk menyatakan fungsi logika AND jika representasi yang dipakai
adalah :
a). Masukan dan keluaran biner
b). Masukan biner dan keluaran bipolar
c). Masukan dan keluaran bipolar
Jawab :
a) Pola hubungan masukan-target :
Masukan Target
p1 p2 1 t
0 0 1 0
0 1 1 0
1 0 1 0
1 1 1 1
p1 w1
n a
f
w2
p2
b
1
Hasil pelatihan :
Masukan Targ Perubahan Bobot baru
et bobot wbaru = wlama
w = pi t + w
b = t bbaru = blama +
b
p1 p2 1 t w1 w2 b w1 w2 b
Inisiasi 0 0 0
0 0 1 0 0 0 0 0 0 0
0 1 1 0 0 0 0 0 0 0 w1 = 1, w2 = 1, b = 1
1 0 1 0 0 0 0 0 0 0
Hasil
1 akhir
1 :1 1 1 1 1 1 1 1
p1 p2 n = p1 w1 +p2 a=
w2+ b f(n) f (n ) 1, n 0
0 0 0.1+0.1+1 = 1 1 0, n 0
0 1 0.1+1.1+1= 2 1
1 0 1.1+0.1+1= 2 1
1 1 1.1+1.1+1= 3 1
Keluaran target Jaringan Hebb tidak dapat mengerti pola yang dimaksud
b) Pola hubungan masukan-target :
Masukan Target
p1 p2 1 t
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Hasil pelatihan :
Masukan Targ Perubahan Bobot baru
et bobot wbaru = wlama
w = pi t + w
b = t bbaru = blama +
b
p1 p2 1 t w1 w2 b w1 w2 b
Inisiasi 0 0 0
0 0 1 -1 0 0 -1 0 0 -1
0 1 1 -1 0 -1 -1 0 -1 -2
1 0 1 -1 -1 0 -1 w-1= 0, -1 = 0,-3
w b=-2
1 2
Hasil akhir :
p1 p2 n = p1 w1 +p2 a=
w2+ b f(n) w1 = 0, w2 = 0, b = - 2
0 0 0.0+0.0 - 2 = -2 -1
f (n ) 1, n 0
0 1 0.0+1.0 -2 = - 2 -1
1, n 0
1 0 1.0+0.0-2 = - 2 -1
1 1 1.0+1.0 - 2= -2 -1
Keluaran target Jaringan Hebb tidak dapat mengerti pola yang dimaksud
p1 p2 p3 1 t w1 w2 w3 b w1 w2 w3 b
Inisialisasi 0 0 0 0
-1 1 1 1 -1
1 -1 1 1 -1
1 1 -1 1 -1
1 1 1 1 1
Hasil Akhir :
w1 = , w2 = ,w3 = ,b=
p1 p2 p3 T n = p1 w1 +p2 w2+ p3 a=
w3 +b f(n)
-1 1 1 -1
1 -1 1 -1
1 1 -1 -1
1 1 1 1