BAYU TRISNAWAN

Berpacu menjadi yang terbaik

jaringan syaraf tiruan part 4

diposting oleh bayu-t--fst10 pada 01 April 2013
di Umum - 0 komentar

Jaringan syaraf tiruan mempunyai cara kerja seperti otak manusia,harus mempunyai banyak inputan untuk menghasilkan sebuah outputan. Cara menginputkan data pada jaringan syaraf tiruan ini yaitu dengan cara seperti dibawah.

 

Ada banyak cara memasukkan data ke Jaringan Syaraf Tiruan yaitu :

  1. Fungsi Undak Biner ( Hard Limit ), sering dipakai pada jaringan lapisan tunggal. Berfungsi mengkonversi input data yang memiliki variabel kontinu ke output biner.
  2. Fungsi Undak Biner ( Threshold ), fungsi yang menggunakan nilai ambang.
  3. Fungsi Bipolar, mirip dengan fungsi undak biner namun output yang dihasilkan berupa nilai 1,0,-1.
  4. Fungsi Bipolar ( dengan Threshold ), output yang dihasilkan berupa nilai 1,0,-1.
  5. Fungsi Linear ( Identitas ), nilai yang diinputkan sama dengan output.
  6. Fungsi Sturating Linear,output  bernilai 0 jika input < -1/2, output bernilai 1 jika input > 1/2, jika nilai input diantara 1/2 dan -1/2 maka output bernilai input + 1/2.
  7. Fungsi Symetric Saturating Linear, output bernilai -1 jika input < -1, jika nilai input -1 dan 1 maka output sama dengan input.
  8. Fungsi Sigmoid Biner, digunakan untuk melatih jaringan syaraf tiruan dengan metode backpropagataion. Nilainya memiliki range 0 – 1.
  9. Fungsi Sigmoid Bipolar, nilai outputnya memiliki range 1 –(- 1) .

 

Misalnya kita akan memasukan sebuah data untuk huruf balok ‘A’ pada jaringan syaraf tiruan dengan menggunakan cara funfsi undak biner. Pertama masukan data huruf balok ‘A’ dengan mengubahnya kedalam bentuk kurva satu dimensi.

Huruf yang akan diklasifikasi terlebih dahulu dibentuk polanya menggunakan ‘.’ (titik) dan ‘#’ (kres) sebagai bantuan. Seperti pada gambar di bawah.

 

..##...

...#...

...#...

..#.#..

..#.#..

.#####.

.#...#.

.#...#.

###.###

 

Kemudian pola diatas di masukan dengan menggunakan cara fungsi undak biner dengan menggantikan tanda ‘.’ (titik) menggunakan nilai 0 (nol) dan tanda ‘#’ (kres) digantikan nilai 1 (satu) dan akirnya akan membentuk nilai biner seperti di bawah ini :

 

0011000 0001000 0001000 0010100 0010100

0111110 0100010 0100010 1110111

 

Jaringan saraf tiruan mempunyai bobot yang menunjukkan besarnya koneksi antar neuron. Bobot ini akan bertambah dengan bertambahnya proses pembelajaran. Jika informasi yang diberikan sampai ke neuron selanjutnya maka error yang di milikinya akan semakin kecil, tetapi jika informasi tidak sampai ke neuron selanjutnya maka error yang di milikinya akan besar. Jika nilai bobot sudah mencukupi, maka setiap input telah berhubungan dengan output yang diharapkan.

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :