1 / 23

Hebb Rule Training Algorithms

Hebb Rule Training Algorithms. Algoritma Pembelajaran Algoritma Pelatihan. Pengertian. Training/pelatihan  langkah penting. Prinsip: Training  menentukan bobot koneksi Algoritma training  memodifikasi bobot koneksi. Jaringan sama, training bisa berbeda. Jenis pelatihan.

alida
Download Presentation

Hebb Rule Training Algorithms

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Hebb RuleTraining Algorithms Algoritma Pembelajaran Algoritma Pelatihan

  2. Pengertian • Training/pelatihan  langkah penting. • Prinsip: • Training  menentukan bobot koneksi • Algoritma training  memodifikasi bobot koneksi. • Jaringan sama, training bisa berbeda.

  3. Jenis pelatihan • Unsupervised: • Input diberikan, output tidak ditentukan. • Supervised: • Input diberikan, output ditentukan.

  4. Unsupervised • Cocok untuk: • Klasifikasi • Data mining

  5. Klasifikasi • Pola data diberikan  diolah oleh JST  salah satu neuron pada output layer aktif. • Pola tersebut diklasifikasikan kepada neuron yang aktif tsb.

  6. Contoh klasifikasi • Jaringan Kohonen • Input: dot/pixel pada gambar tulisan tangan. • Output: 26 neuron mewakili alpabet. • Jaringan Kohonen meng-klasifikasi input menjadi 26 klas.

  7. Data Mining • Data sangat banyak  mana informasi yg penting ? • JST mengelompokan  kita mengambil informasi penting.

  8. Supervised • Output ditentukan sesuai harapan pelatih. • Perbedaan output perhitungan dgn output harapan  parameter modifikasi.

  9. Contoh supervised • Backpropagation • Simulated annealing • Genetic algorithm

  10. Error Calculation • Error digunakan untuk mengukur seberapa tepat output yg diharapkan. • Algoritma pelatihan berhenti bila: • Error < nilai yg ditentukan • Looping (epoch) mencapai nilai yg ditentukan.

  11. Training Algorithm • Salah satu algoritma pelatihan yang terkenal adalah Hebb’s Rule. • Dikembangkan oleh Donald Hebbuntuk jenis pelatihan supervised. • Hebbsrule ditulis secara matematis: •  adalah learning rate • aidanajadalah aktifasi untuk setiap neuron

  12. Heb Algorithms • Step0 Inisialisasi semua bobot: wi = 0 (i = 1 to n) • Step1 Untuk setiap pasangan input-target (s:t), do Steps 2-4: • Step2 Isi input dgn data pelatihan: xi = si (i = 1 to n) • Step3 Isi output dgn data target: y = t • Step4 Modifikasi bobot: wi(new) = wi(old) + xiy (i=1 to n) Modifikasi bias: b(new) = b(old) + y

  13. Penyederhanaan • W(new) = W(old) + W • W = XY w1 = x1t (t=target) w2 = x2t

  14. 1 b x1 w1 y w2 x2 Contoh Aplikasi

  15. Gerbang AND

  16. Langkah Perhitungan

  17. Hasil Akhir • Setelah pelatihan selesai, diperoleh: • w1 = 1 • w2 = 1 • b = 1 • Dengan hasil yg diperoleh tersebut, kemudian diadakan pengujian atau simulasi

  18. Pengujian / simulasi • Pengujian atau simulasi adalah memasukkan data input baru pada bobot koneksi hasil pelatihan. • Kalau output sesuai dengan target, maka pelatihannya disebut sukses.

  19. Contoh simulasi • Dari hasil pelatihan diperoleh: • w1 = 1 • w2 = 1 • b = 1 • Data baru misalnya x1 = 1 dan x2 = 0 maka:

  20. U = (1)(1)+(0)(1)+1 U = 2 Agar hasilnya sesuai dgn target maka nilai Ɵ harus dipilih secara cermat. Dalam kasus ini nilai Ɵ misalnya 3. Maka f(u) = f(2) = 0

  21. Gerbang OR

  22. Langkah Perhitungan

  23. Diskusi kelompok • Dgn Heb rule, hitunglah bobot koneksi dan nilai bias-nya. • Tentukan nilai Ɵ agar jaringan berfungsi sbg gerbang OR.

More Related