Perceptron.

Slides:



Advertisements
Presentasi serupa
Self Organizing Map.
Advertisements

7. PENJUMLAHAN DUA BUAH MATRIKS
Procedure.
Praktikum Metkuan Jaringan Syaraf Tiruan Propagasi Balik
1 Algoritma Bahasa Pemrograman dan Bab 1.1. Pengertian Algoritma.
Sesi 9. Pengantar Dalam penelitian komparasional yang melakukan pembandingan antar dua variabel, yaitu apakah memang secara signifikan dua variabel yang.
Modul-8 : Algoritma dan Struktur Data
JaRINGAN SARAF TIRUAN (Neural Network)
MPT/KOMPUTASI/GEOGRAFI-UI
Materi 7 ARRAY Processing
Alg&Pemrog 2B Sistem Komputer Variable  Variable dapat didefinisikan sebagai bagian dari memory untuk menyimpan nilai yang telah ditentukan.  Setiap.
Review :: Kisi-kisi UTS ::
Rosenblatt 1962 Minsky – Papert 1969
Procedure & Function Sub Program.
Lecture 5 Minimax dengan αβ Pruning Erick Pranata
K-Map Using different rules and properties in Boolean algebra can simplify Boolean equations May involve many of rules / properties during simplification.
%Program Hebb AND Hasil (Contoh Soal 1.5)
MULTILAYER PERCEPTRON
1 Pertemuan 18 Matriks Matakuliah: T0016/Algoritma dan Pemrograman Tahun: 2005 Versi: versi 2.
Class and Object Introduction Specifying a Class Defining Member Function A C++ Program with Class Nesting of Member Functions Private Member Functions.
Pertemuan Operasi Seleksi
Clustering (Season 2) Self-Organizing Map
Testing Implementasi Sistem Oleh :Rifiana Arief, SKom, MMSI
1 Session 4 Decision Making For Computer Operations Management (Linear Programming Method)
1 Diselesaikan Oleh KOMPUTER Langkah-langkah harus tersusun secara LOGIS dan Efisien agar dapat menyelesaikan tugas dengan benar dan efisien. ALGORITMA.
Matakuliah : T0534/Struktur Data Tahun : 2005 Versi : September 2005
Pendugaan Parameter Proporsi dan Varians (Ragam) Pertemuan 14 Matakuliah: L0104 / Statistika Psikologi Tahun : 2008.
Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI
Floating Point (Multiplication)
Transformasi Linear dan Sistem Persamaan Linear Pertemuan 5
RUANG VEKTOR Pertemuan 3
1 Pertemuan 17 Heaps Matakuliah: T0026/Struktur Data Tahun: 2005 Versi: 1/1.
Bina Nusantara Mata Kuliah: K0194-Pemodelan Matematika Terapan Tahun : 2008 Aplikasi Model Markov Pertemuan 22:
1 Pertemuan #2 Probability and Statistics Matakuliah: H0332/Simulasi dan Permodelan Tahun: 2005 Versi: 1/1.
1 Pertemuan 8 JARINGAN COMPETITIVE Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
Pertemuan 3 JARINGAN PERCEPTRON
1 Pertemuan 12 WIDROW HOFF LEARNING Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
HTML Universitas Muhammadiyah Surakarta Yogiek Indra K.
9.3 Geometric Sequences and Series. Objective To find specified terms and the common ratio in a geometric sequence. To find the partial sum of a geometric.
Week 2 Hebbian & Perceptron (Eka Rahayu S., M. Kom.)
Induksi Matematika.
PEMROSESAN BAHASA ALAMI
Week 3 BackPropagation (Eka Rahayu S., M. Kom.)
LIMIT FUNGSI LIMIT FUNGSI ALJABAR.
Matakuliah : T0534/Struktur Data Tahun : 2005 Versi : September 2005
Pengujian Perangkat Lunak
Algoritma & PEMROGRAMAN 2B (Visual basic)
Kode Hamming.
Review Operasi Matriks
PHP Perulangan & Function
Matakuliah : T0026/Struktur Data Tahun : 2005 Versi : 1/1
BILANGAN REAL BILANGAN BERPANGKAT.
Algorithms and Programming Searching
Array Buat algoritma untuk mencari nilai terbesar dari 5 nilai mahasiswa yang diinputkan dengan array.
REAL NUMBERS EKSPONENT NUMBERS.
Algoritma dan Pemrograman Rekursif
INTEGRAL TAK TENTU Definition
Jaringan Syaraf Tiruan Artificial Neural Networks (ANN)
Bahasa Pemrograman (Pemrograman Visual)
Struktur Jaringan Syaraf Tiruan
Jawaban Tidak harus bernilai = 1. tergantung kesepakatan
Linear Programming.
Fungsi Kepekatan Peluang Khusus Pertemuan 10
Teknik Pengujian Software
Kelas 3 Learning Intention Saya paham cerita = I understand the story.
Operasi Matriks Dani Suandi, M.Si..
Algoritma & Pemrograman 1 Achmad Fitro The Power of PowerPoint – thepopp.com Chapter 3.
Bahasa Pemrograman (Pemrograman Visual)
Atomic Structure Visit For 100’s of free powerpoints.
Transcript presentasi:

Perceptron

newp Create a perceptron net = newp(PR,S,TF,LF)

PR - R x 2 matrix of min and max values for R input elements. S - Number of neurons. TF - Transfer function, default = 'hardlim'. LF - Learning function, default = 'learnp'. The transfer function TF can be hardlim or hardlims. The learning function LF can be learnp or learnpn

Example Input training data

Input testing data

Binary representation for input Example, for 1 number1 = [ 0 1 0; 1 1 0; 0 1 0; 1 1 1]

Binary representation for target Example, for 1 target1=[1 0 0 0 0 0 0 0 0]’

t is All target t =[1 0 0 0 0 0 0 0 0; 0 1 0 0 0 0 0 0 0; 0 0 1 0 0 0 0 0 0; 0 0 0 1 0 0 0 0 0; 0 0 0 0 1 0 0 0 0; 0 0 0 0 0 1 0 0 0; 0 0 0 0 0 0 1 0 0; 0 0 0 0 0 0 0 1 0; 0 0 0 0 0 0 0 0 1]; t=t’

The code function percept_me() number1=[0;1;0;1;1;0;0;1;0;0;1;0;1;1;1]; number2=[1;1;1;0;0;1;0;1;1;1;1;0;1;1;1]; number3=[1;1;1;0;0;1;1;1;1;0;0;1;1;1;1]; number4=[1;0;1;1;0;1;1;1;1;0;0;1;0;0;1]; number5=[1;1;1;1;0;0;1;1;1;0;0;1;1;1;1]; number6=[1;1;1;1;0;0;1;1;1;1;0;1;1;1;1]; number7=[1;1;1;0;0;1;0;1;1;1;1;0;1;0;0]; number8=[1;1;1;1;0;1;1;1;1;1;0;1;1;1;1]; number9=[1;1;1;1;0;1;1;1;1;0;0;1;1;1;1];

The code (2) p = [number1 number2 number3 number4 number5 number6 number7 number8 number9]; t =[1 0 0 0 0 0 0 0 0; 0 1 0 0 0 0 0 0 0; 0 0 1 0 0 0 0 0 0; 0 0 0 1 0 0 0 0 0; 0 0 0 0 1 0 0 0 0; 0 0 0 0 0 1 0 0 0; 0 0 0 0 0 0 1 0 0; 0 0 0 0 0 0 0 1 0; 0 0 0 0 0 0 0 0 1]; t=t'; net=newp(p, t); net = init(net);

%training net = train(net,p,t);   mytestingdata=[1;1;1;0;0;1;0;1;1;1;1;0;1;0;1]; %testing a = sim(net, mytestingdata)

If a is[0 1 0 0 0 0 0 0 0]’, then the testing data is recognized as 2.

Latihan Diketahui matriks matriks pembentuk karakter huruf sbb Huruf A 0; 0; 0; 1; 0; 0; 0; 0; 0; 1; 0; 1; 0; 0; 0; 1; 1; 1; 1; 1; 0; 0; 1; 0; 0; 0; 1; 0; 1; 1; 1; 0; 1; 1; 1 ];

Huruf A 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Demikian seterusnya untuk huruf B sd O sbb: 0; 1; 0; 0; 0; 0; 1; 0; 1; 1; 1; 1; 1; 0; 1; 1; 1; 1; 1; 1; 0 ]; C=[0; 0; 1; 1; 1; 1; 1; 1; 0; 0; 0; 0; 0; 0; 0; 0; 1; 1; 1; 1; 0 D=[1; 1; 1; 1; 1; 0; 0; 0; 1; 0; 0; 0; 1; 0; 1; 1; 1; 1; 1; 0; 0 E=[1; 1; 1; 1; 1; 1; 1; 0; 1; 0; 0; 0; 0; 0; 0; 1; 0; 1; 0; 0; 0; 0; 1; 1; 1; 0; 0; 0; 1; 1; 1; 1; 1; 1; 1 F=[1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 0; 0; 0; 0 G=[1; 1; 1; 1; 1; 1; 1; 0; 1; 0; 1; 1; 1; 0; H=[1; 1; 1; 0; 1; 1; 1; 1; 1; 1; 0; 1; 1; 1 I=[0; 0; 1; 1; 1; 0; 0; 0; 0; 0; 1; 0; 0; 0; 0; 0; 1; 1; 1; 0; 0 J=[0; 0; 0; 1; 1; 1; 1; 0; 0; 0; 0; 0; 1; 0; K=[1; 1; 1; 0; 0; 1; 1; 0; 1; 0; 0; 1; 0; 0; 0; 1; 1; 0; 0; 0; 0; 1; 1; 1; 0; 0; 1; 1 L=[1; 1; 1; 0; 0; 0; 0; M=[1; 0; 0; 0; 0; 0; 1; 1; 1; 0; 0; 0; 1; 1; 1; 0; 1; 0; 1; 0; 1; 1; 0; 0; 1; 0; 0; 1; 1; 0; 0; 0; 0; 0; 1; 1; 0; 0; 0; 0; 0; 1 N=[1; 0; 0; 0; 0; 0; 1; 1; 1; 0; 0; 0; 0; 1; 1; 0; 1; 0; 0; 0; 1; 1; 0; 0; 0; 1; 0; 1; 1; 0; 0; 0; 0; 1; 1; O=[0; 0; 1; 1; 1; 0; 0;

huruf apakah matriks berikut? Ditanyakan : huruf apakah matriks berikut? dataTesting= [1; 1; 0; 0; 0; 1; 1;... 0; 1; 0; 0; 0; 1; 0; ... 0; 1; 1; 1; 1; 1; 0; ... 1; 1; 0; 0; 0; 1; 1];