Simple Networks Jaringan Sederhana Machine Learning Team PENS - ITS 2006 Modification By Agus SBN

Machine Learning Team PENS – ITS, Surabaya 2006 Jaringan Syaraf Tiruan

Machine Learning Team PENS – ITS, Surabaya 2006 Model sebuah neuron a j :Nilai aktivasi dari unit j w j,i :Bobot dari unit j ke unit i in i :Penjumlahan bobot dan masukan ke unit i g:Fungsi aktivasi a i :Nilai aktivasi dari unit i

Machine Learning Team PENS – ITS, Surabaya 2006 Fungsi pengaktif Step t (x) = 1 if x >= t else 0 Sign(x) =+1 if x >= 0 else –1 Sigmoid(x) = 1/(1+e -x ) Fungsi Identitas

Machine Learning Team PENS – ITS, Surabaya 2006 Mari kita buat sederhana w2w2 w1w1 X1X1 X2X2 Σ Treshold Jml Y Untuk kasus di atas, n=2 Jml = (x 1 * w 1 ) + (x 2 * w 2 ) Y = 1 jika Jml>=treshold, else Y=0

Machine Learning Team PENS – ITS, Surabaya 2006 CONTOH JARINGAN SEDERHANA “AND” Dengan menggunakan Nalar Kita sebagai manusia, diperoleh w 1 =w 2 =1. Dan Treshold =2 AND Function 1 1 X1X1 X2X2 Σ Threshold=2 Jml Y

Machine Learning Team PENS – ITS, Surabaya 2006 Mari kita hitung AND Function W 1 =1 X1X1 X2X2 Σ Threshold=2 Jml Y W 2 =1 Skema SLP X1X2JmlY 00Jml=(x1*w1)+(x2*w2) 0 = (0 * 1 ) + ( 0 * 1) 0 01Jml=(x1*w1)+(x2*w2) 1 = (0 * 1 ) + ( 1 * 1) 0 10Jml=(x1*w1)+(x2*w2) 1 = (1 * 1 ) + ( 0 * 1) 0 11Jml=(x1*w1)+(x2*w2) 2 = (1 * 1 ) + ( 1 * 1) 1

Machine Learning Team PENS – ITS, Surabaya 2006 Cobalah SLP untuk Kasus “OR” Tentukan Bobot (w1 dan w2) Serta tresholdnya

Machine Learning Team PENS – ITS, Surabaya 2006 CONTOH JARINGAN SEDERHANA “OR” Dengan menggunakan Nalar Kita sebagai manusia, diperoleh w 1 =w 2 =1. Dan Treshold =1 AND Function 1 1 X1X1 X2X2 Σ Threshold=1 Jml Y

Machine Learning Team PENS – ITS, Surabaya 2006 Mari kita hitung X1X2JmlY 00Jml=(x1*w1)+(x2*w2) 0 = (0 * 1 ) + ( 0 * 1) 0 01Jml=(x1*w1)+(x2*w2) 1 = (0 * 1 ) + ( 1 * 1) 1 10Jml=(x1*w1)+(x2*w2) 1 = (1 * 1 ) + ( 0 * 1) 1 AND Function 1 1 X1X1 X2X2 Σ Threshold=1 Jml Y Skema SLP 11Jml=(x1*w1)+(x2*w2) 2 = (1 * 1 ) + ( 1 * 1) 1

Machine Learning Team PENS – ITS, Surabaya 2006 function output=SimpleAnd(x1, x2) % inisialisasi w1=1; w2=1; % penjumlahan bobot dan masukan O=x1*w1+x2*w2; % keluaran dari jaringan threshold=2; if(O>=threshold) output=1; else output=0; end Jaringan sederhana

Machine Learning Team PENS – ITS, Surabaya 2006 function output=SimpleOr(x1, x2) % inisialisasi w1=2; w2=2; % penjumlahan bobot dan masukan O=x1*w1+x2*w2; % keluaran dari jaringan threshold=2; if(O>=threshold) output=1; else output=0; end Jaringan sederhana

Machine Learning Team PENS – ITS, Surabaya 2006 Jaringan sederhana

Machine Learning Team PENS – ITS, Surabaya 2006 function output=SimpleNot(x) % inisialisasi w=-1; % penjumlahan bobot dan masukan O=x*w; % keluaran dari jaringan threshold=-0.5; if(O>=threshold) output=1; else output=0; end Jaringan sederhana

Machine Learning Team PENS – ITS, Surabaya 2006 Ayo, coba untuk AND atau OR 3 input. Jawab Untuk AND dikanan: –Logikanya dia akan satu kalo semua 1. jadi anggap saja w=1 dan treshold =3. hehehe ABCOut

Machine Learning Team PENS – ITS, Surabaya 2006 Jawab Untuk OR dikanan: –Logikanya dia akan NOL kalo semua Nol. jadi anggap saja w=2 dna treshold =1. hehehe ABCOut