Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

JaRINGAN SARAF TIRUAN (Neural Network)

Presentasi serupa


Presentasi berjudul: "JaRINGAN SARAF TIRUAN (Neural Network)"— Transcript presentasi:

1 JaRINGAN SARAF TIRUAN (Neural Network)
Praktikum 9 JaRINGAN SARAF TIRUAN (Neural Network)

2 Pendahuluan Jaringan syaraf tiruan (JST) merupakan sistem pemprosesan informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologis. JST merupakan generalisasi model matematik pada jaringan syaraf biologis

3 JST Asumsi JST Pemprosesan informasi terjadi pada banyak elemen sederhana (neuron) Sinyal dikirim antara neuron melalui penghubung-penghubung (pautan) Penghubung antar pautan memiliki bobot yang dapat memperkuat atau memperlemah sinyal Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi

4 JST JST ditentukan oleh 3 hal :
Arsitektur jaringan (pola hubungan antar neuron) Metode untuk menentukan bobot penghubung (metode training) Fungsi Aktivasi

5 Aplikasi JST Pengenalan Pola (huruf, suara, angka, tanda tangan)
Signal Processing (JST model ADALINE) Peramalan berdasarkan kejadian masa lalu

6 Perceptron dalam Matlab
Sistem default dalam matlab : Masukan dan target tidak harus biner/bipolar Threshold yang dipakai adalah nol Fungsi aktivasi memiliki output biner Tidak ada laju penambahan

7 Perceptron dalam Matlab
Format : net = newp(PR, S, TF, LF) net.IW{i,j} % inisialisasi bobot awal dari layer ke j ke layer ke I (bobot awal) PR: matriks Rx2, dengan R buah inputan S : jumlah neuron target TF : fungsi biner (default ‘hardlim’) LF : fungsi latihan (default ‘learnp’)

8 Contoh Perceptron Bentuklah perceptron untuk mengenali pola logika “dan” dari 2 variable! >> net = newp([0 1; 0 1],1); >> net.IW{1,1}=[-1 1]; >> net.b{1}=[1]; >> p=[[1 ; 1] [1 ; 0 ] [ 0 ; 1] [0 ; 0]]; >> t=[ ]; >> a= sim (net,p) ===== lanjut contoh mfile

9 Backpropagation dengan Matlab
net= newff(PR, [s1 s2…. sn],{tf1 tf2…tfn},BTF,BLF,PF) PR = matriks ordo Rx2 Si = jumlah unit pada layer ke I tf i= fungsi aktivasi yang digunakan pada layer I BTF= fungsi latihan jaringan, default tansig(sigmoid bipolar) BLF = fungsi perubahan bobot/biar , default learngdm PF = fungsi error, default mse

10 Contoh Lanjut Minggu depan saja ya…..


Download ppt "JaRINGAN SARAF TIRUAN (Neural Network)"

Presentasi serupa


Iklan oleh Google