Pelatihan BACK PROPAGATION

Presentasi berjudul: "Pelatihan BACK PROPAGATION"— Transcript presentasi:

1 Pelatihan BACK PROPAGATION
algoritma dan contoh soal Pelatihan BACK PROPAGATION

2 ALGORITMA PELATIHAN jaringan  hiden layer fungsi aktivasi  sigmoid biner
Langkah 0 : Inisialisasi semua bobot (bil acak kecil) Langkah 1 : Jika belum berhenti,lakukan langkah 2 – 9 Langkah 2 : untuk setiap pasang data pelatihan, lakukan langkah 3 – 8

3 Fase I : Propagasi Maju Langkah 3 : sinyal dari unit input dikirim ke unit tersembunyi di atasnya Langkah 4 : Hitung semua keluaran di unit tersembunyi Zj (j= 1,2,..P)

4 Langkah 5 : Hitung semua keluaran jaringan di unit yk (k=1,2,..,m)

5 FASE II : PROPAGASI MUNDUR
Langkah 6 : Hitung faktor δ unit keluaran berdasarkan kesalahan setiap unit keluaran yk (K=1,2,…,m) δk  komponen kesalahan yg akan dipakai pada perubahan bobot layar di bawahnya (langkah 7) Hitung suku perubahan bobot Wkj (yang akan dipakai untuk merubah bobot Wkj) dengan laju percepatan ά

6 Langkah 7 : Hitung faktor δ unit tersembunyi :
Hitung suku perubahan bobot vji untuk ubah bobot vji)

7 Fase III : Perubahan Bobot
Langkah 8 : Hitung semua perubahan bobot Perubahan bobot garis yang menuju ke unit keluaran : Perubahan bobot garis yang menuju ke hiden layer : Setelah pelatihan  jaringan dapat dipakai untuk pengenalan pola dengan propagasi maju (langkah 4 dan 5)

8 Contoh : Gunakan Backpropagation dengan sebuah layar tersembunyi (dengan 3 unit) untuk mengenali fungsi logika XOR dengan 2 masukkan x1dan x2. Buatlah iterasi untuk menghitung bobot Jaringan untuk pola pertama (x1=1, x2=1 dan t=0). Gunakan laju pemahaman ά=0.2 Penyelesaian Arsitektur Backpropagation dengan 1 layar tersembunyi yang terdiri dari 3 unit untuk mengenali fungsi XOR seperti pada gambar

9 Mula – mula bobot diberi nilai acak yang kecil (range (-1, 1))
Mula – mula bobot diberi nilai acak yang kecil (range (-1, 1)). Misal didapat bobot seperti tabel 1 (bobot dari layar masukan ke layar tersembunyi = vji dan 2 (bobot dari layar masukan ke layar ter sembunyi = wkj) Tabel 1 Tabel 2

10 Langkah 4 : Hitung keluaran unit tersembunyi (Zj)

11 Langkah 5 : Hitung keluaran unit yk Karena jaringan hanya memiliki sebuah unit keluaran y maka y_netk

12 Langkah 6 : Hitung faktor δ di unit keluaran yk Karena jaringan hanya memiliki sebuah keluaran maka : Suku perubahan bobot wkj (dengan ά=0.2) :

13 Tabel 3 merupakan bobot yang dipakai sebagai inisialisasi Tabel 3 Bias yang dipakai adalah bilangan acak antara hingga 1.21