BAB 6 Backpropagation

Backpropagation merupakan salah satu metode pelatihan dari Jaringan Saraf Tiruan. Backpropagation menggunakan arsitektur multilayer dengan metode pelatihan supervised pelatihan. Metode Backpropagation ini dikembangkan oleh Rumelhart Hinton dan Williams sekitar tahun 1986. Menurut teori Backpropagation, metode ini secara efektif bisa menentukan pendekatan yang paling baik dari data yang dimasukkan.
Backpropagation merupakan generalisasi aturan delta (Widrow-Hoff). Backpropagation menerapkan metode gradient descent untuk meminimalkan error kuadrat total dari keluaran yang dihitung oleh jaringan. Backpropagation melatih jaringan untuk memperoleh keseimbangan antara “kemampuan jaringan” untuk mengenali pola yang digunakan selama pelatihan dan “kemampuan jaringan” merespon secara benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola pelatihan.
  1. Algoritma Back Propagation
  2. Arsitektur Back Propagation
  3. Meningkatkan Hasil Metoda Back Propagation

Komentar

Posting Komentar

Postingan populer dari blog ini

BAB 9 Adaptive Resonance Theory

Gambar
Adaptive Resonance Theory ( ART ) berasal oleh Carpenter dan Grossberg (1987a) untuk tujuan pengembangan jaringan saraf tiruan yang secara kinerja, khususnya (namun bukan hanya) di pengenalan pola atau klasifikasi tugas, lebih dekat dengan yang ada pada jaringan saraf biologis  dibanding kasus yang di sebelumnya dibahas jaringan. Salah satu tujuan utama mereka adalah untuk datang dengan jaringan saraf yang dapat melestarikan elastisitas jaringan biologis dalam belajar atau dalam mengenali pola-pola baru, yaitu, dalam belajar tanpa harus menghapus (lupa) atau untuk secara substansial menghapus pola sebelumnya belajar. Karena tujuan dari jaringan saraf ART adalah untuk  mendekati jaringan saraf biologis, jaringan saraf ART tidak membutuhkan “guru” tapi sebagai fungsi tanpa pengawasan jaringan mengorganisir diri. ART-I versi berhubungan dengan input biner. Perpanjangan ART-I yang dikenal sebagai ART-II [Carpenter dan Grossberg, 1987b] penawaran dengan kedua pol...
Terus membaca

BAB 7 Jaringan Hopfield

Gambar
BAB 7 Jaringan Hopfield 7.1 Pengantar Semua jaringan sampai sekarang diasumsikan hanya maju mengalir dari input ke output, yaitu interkoneksi yang tidak berulang. Hal ini terjamin stabilitas jaringan. Sejak jaringan saraf biologis menggabungkan umpan balik, jaringan buatan tertentu juga akan menggabungkan fitur itu. Jaringan Hopfield memang menggunakan umpan-maju dan umpan balik. Setelah umpan balik yang digunakan, stabilitas tidak dapat dijamin dalam kasus umum. Akibatnya, desain jaringan Hopfield harus menjadi salah satu yang menyumbang stabilitas di pengaturannya. 7.2 Jaringan Biner Hopfield Gambar 7.1 menggambarkan satu lapisan jaringan Hopfield berulang. Meskipun pada dasarnya jaringan single-layer, struktur umpan balik yang membuatnya efektif untuk berperilaku sebagai jaringan multi-layer. Keterlambatan umpan balik akan ditampilkan untuk menjalankan peran utama dalam stabilitas. Delay tersebut adalah untuk jaringan saraf biologis, menunda di celah sinaptik da...
Terus membaca

BAB 4 PERCEPTRON

Gambar
PERCEPTRON Pengertian: Perceptron adalah salah satu metode JST training yang sederhana dipakaikan prosedur algoritma training yang pertama kali. Terdiri dari neuron tunggal dengan bobot synaptic yang diatur menggunakan fungsi aktifasi hard limit.   1.Dasar Struktur [kembali] Perceptron berfungsi sebagai sebuah blok bangunan untuk sebagian besar model,termasuk Adaline seperti yg dibahas sebelumnya yang Model neuron mungkin dianggap sebagai kasus khusus dari Perceptron. The Perceptrron memiliki satu struktur dasar seperti pada Gambar. koneksi yang terhubung ke output, beberapa neuron di sisi input dan   output sel menghubungkan ke beberapa sel saraf lain di sisi output. Saya t berbeda dari model neuronal dari Adaline (dan Madaline) dalam pekerjaan nya fungsi aktivasi halus ( "mulus switch" non-linear). Namun "keras switch "fungsi aktivasi Adaline dan dari Madaline dapat dianggap sebagai batas-kasus fungsi aktivasi Perceptron ini. Fungsi aktivas...
Terus membaca