1 / 6

JST ADALINE dan MADALINE

JST ADALINE dan MADALINE. Metode pembelajaran Delta rule biasanya dipakai dalam pelatihan pada model jaringan Adaline ( adaptive linear neuron ) dan Madaline (many adaline ) Adaline adalah unit tunggal (neuron) yg menerima input dari beberapa unit.

ianna
Download Presentation

JST ADALINE dan MADALINE

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. JST ADALINE dan MADALINE

  2. Metodepembelajaran Delta rule biasanyadipakaidalampelatihanpada model jaringanAdaline (adaptive linear neuron ) danMadaline(many adaline) • Adalineadalah unit tunggal (neuron) ygmenerima input daribeberapa unit. • Jikaadalinedikombinasikansedemikianhingga output daribeberapaadalinemenjadi input bagiadalineyg lain. JaringaninimembentukjaringanbanyaklapisanygseringdisebutdgnMadaline

  3. DELTA RULE • Selama pelatihan pola, delta rule akan mengubah bobot dengan cara meminimalkan error antara output jaringan y dengan target t. • Gambar berikut adalah arsitektur jaringan delta rule untuk dua input. X1 W1 ∑XW F(y_in) y y_in X2 W2

  4. Algoritma delta rule untuk memperbaiki bobot ke-i (untuk setiap pola) adalah: w(baru) = w(lama) + α(t-y)*xi Dengan : xi = vektor input y = output jaringan t = target α = learning rate Pelatihan akan dihentikan jika nilai error (t-y) pada suatu epoch bernilai nol.

  5. Soal • Buatlah jaringan saraf tiruan untuk melakukan pembelajaran terhadap fungsi logika “OR” dengan input biner dan target biner sbb. • Gunakan algoritma pelatihan delta rule, bila ditentukan nilai learning rate (α) = 0,2 dan bobot awal yang dipilih w1 = 0,1 dan w2 = 0,3 serta fungsi aktivasi yang digunakan adalah fungsi undak biner, dengan θ= 0,5.

  6. LATIHAN SOAL • Buatlahjaringansaraftiruanuntukmelakukanpembelajaranterhadapfungsilogika “AND-2 input” dengan input binerdan target biner, biladitentukannilai learning rate (α) = 0,4 danbobotawal yang dipilih w1 = 0,2 dan w2 = 0,4 sertafungsiaktivasi yang digunakanadalahfungsiundakbiner, denganθ = 0,5!

More Related