Algoritma

Hebbian
YANTO, M.M, M.KOM
Algoritma Hebbian
(1/3)
Algoritma Hebbian termasuk salah satu algoritma sederhana yang
digunakan sebagai pengatur bobot untuk jaringan syarat tiruan.
Pengaturan bobot dengan menggunakan algoritma ini sangat sederhana.
Pengaturan dilakukan secara langsung yakni dengan mengoperasikan
input dan target.
Hipotesis Hebb adalah apabila dua buah neuron bipolar yang saling
terhubung mempunyai aktivasi output yang sama tandanya, maka
bobot sambungan antara kedua neuron tersebut akan menguat.
Sebaliknya, bila aktivasi keduanya berlawanan tanda maka bobot
sambungan akan melemah.
Algoritma Hebbian
(2/3)
Karena itulah dalam setiap iterasi, bobot sinapsis dan bias diubah
berdasarkan perkalian neuron-neuron di kedua sisinya. Untuk jaringan
layar tunggal dengan 1 unit keluaran dimana semua unit masukan x1
terhubung langsung dengan unit keluaran y, maka perubahan nilai
bobot dilakukan berdasarkan persamaan:

wi(baru) = wi(lama) +

xiy
Algoritma Hebbian
(3/3)
Algoritma pelatihan Hebb dengan vektor input s dan unit target t adalah
sbb:
1. Inisialisasi semua bobot = wi = 0 (i=1, …, n)
2. Untuk semua vektor input s dan unit target t, lakukan:
a) Set aktivasi unit masukan xi = si (i=1, … , n)
b) Set aktivasi unit keluaran: y = t
c) Perbaiki bobot menurut
persamaan: wi(b aru) = wi(lama ) + w
(i=1, … , n) dimana w = xiy
d) Perbaiki bias menurut
persamaan:
Contoh
(1/6)
Buatlah jaringan Hebb untuk mengenali fungsi logika dengan
“AND” masukan dan keluaran biner. Bobot dan bias awal diberi
nilai = 0.
Penyelesaian:
1. Membuat Tabel Masukan dan Target
Masukan Target
x1 x2 1 t
1 1 1 1
1 0 1 0
0 1 1 0
0 0 1 0
Contoh
(2/6)
2. Membuat Model
Jaringan
Contoh
(3/6)
3. Pelatihan Jaringan
Untuk setiap data masukan dan target, perubahan bobot dihitung
dari perkalian data masukan dan targetnya.

w1 = w2 = b = t=
x1t x2 t y t

(i=1,2
wi(baru) = wi(lama) +
)
wi
Contoh
(4/6)
Hasil iterasi bobot menggunakan rumus tersebut tampak pada table
berikut:
Masukan Target Perubahan Bobot Bobot Baru

x1 x2 bias t=y ∆w1 ∆w2 ∆bias w1 w2

wbias
Inisialisasi 0 0 0
1 1 1 1 1 1 1 1 1 1
1 0 1 0 0 0 0 1 1 1
0 1 1 0 0 0 0 1 1 1
0 0 1 0 0 0 0 1 1 1
Contoh
(5/6)
Pada data pertama terjadi perubahan bobot, pada data ke-2 hingga
ke-4 tidak terjadi perubahan bobot. Ditemukan bobot akhir jaringan
adalah:
w1 = 1, w2 = 1, wbia s = 1.

4. Uji Coba Jaringan

Setelah bobot akhir diperoleh, selanjutnya dilakukan uji coba dan
aktivasi2 jaringan pada seluruh data masukan menggunakan1, fungsi:
𝑘𝑖𝑎𝑖𝑗 𝑛𝑒𝑡
𝑗 ≥0
𝑛𝑒𝑡 = � 𝑖+
𝑤
𝑖 𝑥𝑖𝑖𝑏 dengan aktivasi 𝑦 = 𝑓𝑓(𝑛𝑒𝑡) = �
𝑖𝑖=1 0, 𝑘𝑖𝑎𝑖𝑗 𝑛𝑒𝑡
𝑗 <0
Contoh
(6/6)
2 1,
Masukan Target
𝑛𝑒𝑡 = � 𝑥𝑖𝑖 𝑤𝑖𝑖 + 𝑏
𝑗𝑗𝑖𝑖𝑘𝑎 𝑛𝑒𝑡 ≥ 0
x1 x2 t 𝑖𝑖=1
𝑦 = 𝑓𝑓(𝑛𝑒𝑡) = �
0,

𝑗𝑗𝑖𝑖𝑘𝑎 𝑛𝑒𝑡 < 0

1 1 1 (1*1 + 1*1) + 1 = 1
3
Berdasarkan uji coba jaringan, tampak bahwa hasil nilai f(net) tidak sama
1
dengan 0target dalam
0 (1*1
fungsi+“AND”,
0*1) +artinya
1= 1
“JARINGAN TIDAK DAPAT
MEMAHAMI” pola yang dimaksudkan. 2
0 1 0 (0*1 + 1*1) + 1 = 1
2