Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
Single-Layer Perceptron
2
Σ Perceptron w1 n=Σpi.wi Fungsi Aktifasi p2 w2 f(y) . a=f(n) wi
Bobot/Weight f(y) n=Σpi.wi a=f(n) Fungsi Aktifasi
3
Kasus AND Variabel Input AND x1 x2 f(y) 1
4
Kasus OR Variabel Input OR x1 x2 f(y) 1
5
Fungsi Aktivasi Fungsi undak biner (hard limit)
Fungsi undak biner (threshold)
6
Fungsi Aktivasi Fungsi bipolar dengan threshold
7
Fungsi Aktivasi Fungsi Linier (identitas) Fungsi Sigmoid biner
8
Algoritma Pelatihan Inisialisasi laju pembelajaran (α), nilai ambang (𝛉), bobot serta bias Menghitung
9
Algoritma Pelatihan Jika y ≠ target, lakukan update bobot dan bias
Wi baru = Wlama + α.t.Xi b baru = b lama + α.t Ulang dari langkah 2 sampai tidak ada update bobot lagi
10
Tugas Buat program yang mengimplementasikan single-layer perceptron!
11
Any Questions ?
Presentasi serupa
