Walaupun masih jauh dari sempurna, namun kinerja dari tiruan neuron ini identik
dengan kinerja dari sel biologi yang kita kenal saat ini
Konsep JST
Fungsi Bipolar
Hard Limit
Treshold
JST
McCulloch-Pitts
Hebb Rule
Model Neuron McCulloch-Pitts
0, jika x
y
1, jika x
• Input :
• x1
• x2
• output
• y.
Bidirectionl
Heteroassociative
Backpropagation Associative
Memory
Memory (BAM)
Learning Vector
Quantization
(LVQ)
22/12/2022 21
Hebb Rule
22/12/2022 23
Hebb Rule
(fungsi logika “AND” dengan masukan dan keluaran bipolar)
• Terlihat bahwa nilai f(net) sama dengan target yang diinginkan pada fungsi logika “AND”. Ini berarti
untuk masukan bipolar dan keluaran bipolar dua input, jaringan bisa mengenali pola fungsi logika
“AND”. 22/12/2022 26
Perceptron
• Perhitungan Respon
22/12/2022 28
Perceptron
22/12/2022 31
Perceptron Epoch ke 1
22/12/2022 32
Perceptron Epoch ke 1
Perceptron Epoch ke 1
Neuron Input Bobot baru
No Yin Yout
X1 X2 t w1 w2 b
0 0 0
0 0 -1 -0,8 -1 0 0 -0,8
0 1 -1 -0,8 -1 0 0 -0,8
1 1 0 -1 -0,8 -1 0 0 -0,8
Perceptron Epoch ke 2
Perceptron Epoch ke 2
Perceptron Epoch ke 2
Perceptron Epoch ke 2
Neuron Input Bobot baru
No Yin Yout
X1 X2 t w1 w2 b
0 0 0
0 0 -1 -0,8 -1 0 0 -0,8
0 1 -1 -0,8 -1 0 0 -0,8
1 1 0 -1 -0,8 -1 0 0 -0,8
1 0 -1 -0,8 -1
Perceptron Epoch ke 9
Perceptron Epoch ke 9
Perceptron Epoch ke 9
Perceptron Epoch ke 9
Perceptron Epoch ke 9
• Pada epoch ke-9 sudah tidak terjadi perubahan bobot dan bias, dan
sekaligus nilai output jaringan untuk semua data bernilai sama
dengan targetnya.
• Jadi proses pembelajaran harus dihentikan.
• Hasil akhirnya adalah:
• Nilai bobot, w1 = 2,4; w2 =1,6. dan bias = −3,2.
Tugas
• Algoritma delta rule untuk memperbaiki bobot ke-i (untuk setiap pola)
adalah:
w (baru) = w(lama) + (t – y)*xi;
dengan:
• xi = vektor input.
• y = output jaringan.
• t = target .
• α = learning rate
• pelatihan akan dihentikan jika nilai error (t – y) pada suatu epoch bernilai nol.
Delta Rule Epoch ke 1
Delta Rule Epoch ke 1
Delta Rule Epoch ke 1
Delta Rule Epoch ke 1
Delta Rule Epoch ke 1
Delta Rule Epoch ke 4
Delta Rule Epoch ke 4
Delta Rule Epoch ke 4
Delta Rule Epoch ke 4
Backpropagation
k = (tk – yk) f’(y_ink) untuk menghitung informasi error, kalikan nilai ini dengan turunan dari
fungsi aktivasinya:
f ‘ adalah turunan dari fungsi aktivasi kemudian hitung koreksi bobot dengan
persaamaan berikut: j = _inj f’(z_inj)
wjk = k zj
kemudian hitung koreksi bobot dengan persamaan berikut:
Dan menghitung koreksi bias dengan persamaan berikut :
vjk = j xi
w0k = k
Setelah itu hitung juga koreksi bias dengan persamaan berikut:
Sekaligus mengirimkan k ke unit-unit yang ada di lapisan paling kanan.
v0j = j
1; y _ in j 0
y j 0; y _ in j 0
1; y _ in j 0
• Tentukan aktivasi
(untuk targetdari setiap unit output:
bipolar)
0, jika y _ in 0
yj
1, jika y _ in 0
(untuk target biner)
Kecerdasan Buatan (4) : FIK-Udinus 2010 22/12/2022 64
Bidirectional Associative Memory (BAM)
Thank You