Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
Rosenblatt 1962 Minsky – Papert 1969
PERCEPTRON Rosenblatt 1962 Minsky – Papert 1969
2
Arsitektur Fungsi aktifasi membentuk 2 garis sekaligus :
Fungsi aktifasi bukan Biner atau polar melainkan Tertier : -1, 0 atau 1 Θ -Threshold Fungsi aktifasi membentuk 2 garis sekaligus :
3
Training S=vektor input, t=target output α = learning rate
Θ = threshold Algoritma : 1. Init Bobot dan Bias wi=0; dan b=0 Tentukan α=1 (bisa nilai yg lain) 2. Do while ad vektor input yg response unit output >< taget
4
Algoritma a. Set aktifasi input xi=s (1=1,2....,n)
b. Hitung respons output: net=Σxiwi+b c. Revisi bobot yang ada error (y><t) dengan persamaan :
5
Proses Iterasi dilakukan sampai semua pola mempunyai output yang sesuai dengan target – pola dikenali. Bukan hanya satu tahap sampai semua pola input dimasukkan Perubahan bobot hanya dilakukan pada pola yang ada error (output <> target). Perubahan = input*target*learning rate. Perubahan hanya jika input<>0 Jumlah iterasi ditentukan oleh α, 0<=α<=1. Cepat jika α besar. Ttp jika terlalu besar akan merusak pola yang benar sehingga tambah lambat
6
Perceptron vs Hebb Setiap pola dimasukkan, output dibandingkan dengan target, jika ada error dilakukan modifikasi bobot. Tidak semua bobot diubah pada setiap iterasi. Modifikasi bobot tidak hanya xi*t tetapi α*xi*t Training dilakukan terus untuk semua pola sampai semua pola dikenal (semua output sesuai dengan target). 1 siklus training=1 epoch. Pad Hebb hanya 1 epoch Teorema konvergensi Perceptron-Jika ada bobot yg tepat maka training akan konvergen ke bobot yg tepat tersebut
7
Fungsi AND Init bobot w dan bias b =0 Learning rate α=1
dan Threshold θ=0
8
Epoch 1 Garis pemisah pola ditentukan oleh persamaan :
9
Pola Geometri w1=0,w2=2, b=0 w1=1, w2=1, b=-1 w1-=1, w2=1, b=1
10
Pad pola pertama net dihitung bedasr bobot inisialiasasi = 0
Pad pola pertama net dihitung bedasr bobot inisialiasasi = 0. Output f(net) tidak sama dengan target maka bobot diubah ∆w=αtxi Input kedua dst dihitung sama, dan pada pola terakhir f(net)=-1 sesuai dengan target maka bobot tetap, ∆w=0 Karena tidak semua pola nilai f(net) sama dengan target maka iterasi dilanjutkan ke epoch ke 2 dengan bobot terakhir yang diperoleh.
11
Epoch 2 Semua f(net)= target maka iterasi berikutnya dihentikan
12
Threshold θ=0.2 dan α=1
13
Epoch 2 dan 10
14
Epoch 3...6
15
Pengenalan Pola Huruf Θ=0.5, α=1
16
Pola bbrp karakter
17
Pola Huruf ABC Pola Input Target 1 Target 2 Target 3 Pola 1 1 -1
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.