Perc eptron
YANTO, M.M, M.KOM
Algoritma Perc eptron
(1)
dan
net = ∑ 𝑥i 𝑤i + 𝑏
dengan ∆w = txi
b (baru) = b (lama) +
∆b dengan ∆b
= t
Algoritma Perc eptron
(7)
Ada beberapa hal yang perlu diperhatikan dalam algoritma perceptron:
1. Iterasi dilakukan terus hingga semua pola memiliki keluaran jaringan yang
sama dengan targetnya (jaringan sudah memahami pola). Iterasi tidak
berhenti setelah semua pola dimasukkan seperti yang terjadi pada model
Hebb.
2. Pada langkah 2(c), perubahan bobot hanya dilakukan pada pola yang
mengandung kesalahan (keluaran jaringan ≠ target). Perubahan
tersebut merupakan hasil kali unit masukan dengan target dan laju
pemahaman. Perubahan bobot hanya akan terjadi kalau unit
masukan ≠ 0.
3. Kecepatan iterasi ditentukan pula oleh laju pemahaman (= dengan 0 ≤
≤ 1). semakin besar harga , semakin sedikit iterasi yang diperlukan. Akan
tetapi jika
terlalu besar, maka akan merusak pola yang sudah benar sehingga
pemahaman menjadi lambat.
Contoh
(1/6)
Buatlah perceptron untuk mengenali fungsi Masukan Target
logika “AND” dengan masukan dan keluaran
bipolar. Untuk inisialisasi, gunakan bobot dan 1 t
x1 x2
bias awal = 0, = 1 dan threshold = 0.
1 1 1 1
Penyelesaian:
Tabel masukan dan target fungsi logika “AND” 1 -1 1 -1
dengan masukan dan keluaran bipolar
tampak dalam table berikut: -1 1 1 -1
-1 -1 1 -1
Contoh
(2/6)
Untuk threshold = 0, maka fungsi aktivasi
menjadi:
x1 x2
1 t net f(net) ∆w1 ∆w2 ∆b w1 w2 w(bias)
Inisialisasi 0 0 0
1 1 1 1 0 0 1 1 1 1 1 1
1 -1 1 -1 1 1 -1 1 -1 0 2 0
-1 1 1 -1 2 1 1 -1 -1 1 1 -1
-1 -1 1 -1 -3 -1 1 1 -1 2 2 -2
Perceptron epoch
pertama
Contoh
(4/6)
x1 x2
1 t net f(net) ∆w1 ∆w2 ∆b w1 w2 w(bias)
Bobot yang diperoleh dari epoch pertama 2 2 -2
1 1 1 1 2 1 1 1 1 3 3 -1
1 -1 1 -1 -1 -1 -1 1 -1 2 4 -2
-1 1 1 -1 0 0 1 -1 -1 3 3 -3
-1 -1 1 -1 -9 -9 1 1 -1 4 4 -4
x1 x2
1 t net f(net) ∆w1 ∆w2 ∆b w1 w2 w(bias)
Bobot yang diperoleh dari epoch ke dua 4 4 -4
1 1 1 1 4 1 1 1 1 5 5 -3
1 -1 1 -1 -3 -1 -1 1 -1 4 6 -4
-1 1 1 -1 -2 -1 1 -1 -1 5 5 -5
-1 -1 1 -1 -15 -1 1 1 -1 6 6 -6