METODE HEBB~3 Sutarno, ST. MT.

MODEL HEBB Kelemahan McCulloh-Pitts harus menggunakan metode analitik untuk menentukan bobot garis, sehingga pada masalah yang kompleks hal ini sangat sulit dilakukan. Tahun 1949, D.O. Hebb memperkenalkan cara menghitung bobot dan bias secara iteratif. Model Hebb adalah model tertua yang menggunakan aturan atau metode pembelajaran terawasi (supervised)

MODEL HEBB Dalam setiap iterasi Tahun 1949, D.O. Hebb memperkenalkan cara menghitung bobot dan bias secara iteratif. Model Hebb adalah model tertua yang menggunakan aturan atau metode pembelajaran terawasi (supervised)

ALGORITMA HEBB Inisialisasi semua bobot = wi = 0 (i = 1,2,…,n) Bobot awal diset wi = 0 (i = 1,2,…,n) dan b = 0 Untuk semua vektor input s dan unit target t, lakukan: Set aktivasi unit masukan: xi = si (i = 1,2,…,n) Set aktivasi unit keluaran: y = t Perbaiki bobot menurut persamaan: wi baru = wi lama + ∆w (i = 1,2,…,n) dengan ∆w = xi * t Perbaiki bias menurut persamaan bbaru = blama+ t

CONTOH Buatlah model Hebb untuk menyelesaikan fungsi logika “AND” dengan input dan output biner ? x1 x2 y 1

SOLUSI Bobot baru jaringan hasil training: w1 = 1 w2 = 1 wb = 1 x1 x2 Bobot baru jaringan hasil training: w1 = 1 w2 = 1 wb = 1

SIMULASI Masukan dan keluaran biner Pola tidak dikenali oleh jaringan w1 w2 net = ∑(xi*wi) + wb Y = f(net) = 1, jika net ≥ 0 Y = f(net) = 0, jika net  0 1 (1 . 1) + (1 . 1) + 1 (1 . 1) + (0 . 1) + 1 1 seharusnya 0 (0 . 1) + (1 . 1) + 1 (0 . 1) + (0 . 1) + 1

CONTOH Buatlah model Hebb untuk menyelesaikan fungsi logika “AND” dengan input biner, output bipolar ? x1 x2 y 1 -1

SOLUSI Bobot baru jaringan hasil training: w1 = 0 w2 = 0 wb = -2 x1 x2 -1 -2 Bobot baru jaringan hasil training: w1 = 0 w2 = 0 wb = -2

SIMULASI Masukan dan keluaran biner Pola tidak dikenali oleh jaringan w1 w2 net = ∑(xi*wi) + wb Y = f(net) = 1, jika net ≥ 0 Y = f(net) = -1, jika net  0 1 (1 . 0) + (1 . 0) + (-2) (-1 )harusnya 1 (1 . 0) + (0 . 0) + (-2) -1 (0 . 0) + (1 . 0) + (-2) (0 . 0) + (0 . 0) + (-2)

CONTOH Buatlah model Hebb untuk menyelesaikan fungsi logika “AND” dengan input output bipolar ? x1 x2 Y 1 -1

SOLUSI Bobot baru jaringan hasil training: w1 = 2 w2 = 2 wb = -2 x1 x2 -1 2 -2 Bobot baru jaringan hasil training: w1 = 2 w2 = 2 wb = -2

SIMULASI Masukan dan keluaran biner Pola dikenali oleh jaringan w1 w2 net = ∑(xi*wi) + wb Y = f(net) = 1, jika net ≥ 0 Y = f(net) = -1, jika net  0 1 (1.2) + (1.2) + (-2) -1 (1.2) + (-1.2) + (-2) (-1.2) + (1.2) + (-2) (-1.2) + (-1.2) + (-2)

Sumarry Jaringan tidak akan mampu mengenali pola jika target keluaran (y) = 0. Perubahan bobot didasarkan perkalian masukan dan target, jika target =0 maka perubahan bobot juga =0 Solusi yang diberikan, minimal keluaran harus dijadikan bentuk bipolar atau masukan dan target dijadikan bipolar.

TUGAS# PENGENALAN POLA Diketahui 2 pola seperti huruf (x) dan (.) seperti tampak pada gambar. Gunakan jaringan Hebb untuk mengenali pola tersebut ? Catatan: untuk merepresentaikan kasus ini karakter (x) diberi nilai =1, dan karakter (.) diberi nilai = -1) Arsitektur jaringannya adalah 20 unit input dan 1 unit output . Target = 1 untuk huruf “H” dan target = -1 untuk huruf “F”. X .