Penjelasan dan Arsitektur Jaringan Perceptron

Arsitektur Jaringan

Arsitektur jaringan perseptron mirip dengan arsitektur jaringan Hebbian

Jaringan terdiri dari beberapa  unit  masukan  dan  sebuah  bias,  dan  memiliki sebuah unit keluaran. Hanya saja fungsi aktivasinya bukan merupakan fungsi biner atau bipolar, tetapi memiliki kemungkinan nilai -1, 0 dan 1:

Untuk suatu harga threshold θ yang ditentukan :

Secara geometris, fungsi aktivasi membentuk 2 garis sekaligus (memisahkan daerah positif dan daerah negatif.

Garis pemisah antara daerah positif dan daerah nol memiliki pertidaksamaan :

 x1w1 + .....+ xnwn + b > θ

 Garis pemisah antara daerah negatif dan daerah nol memiliki pertidaksamaan :

 x1w1 + .....+ xnwn + b < - θ

Misalkan :

s : vektor masukan dan t adalah target keluaran

α : adalah laju pembelajaran/pemahaman (learning rate) yang ditentukan

θ : adalah threshold yang ditentukan

Algoritma sbb:

0.  Inisialisasi semua bobot dan bias (umumnya wi = b =0 )

Set laju pembelajaran α ( 0 < α ≤ 1) (untuk penyederhanaan set α =1)

1. Selama kondisi berhenti benilai FALSE atau selama ada elemen vektor masukan yang respon unit keluarannya tidak sama dengan target (y ≠ t), lakukan langkah-langkah 2 – 6

2.  Untuk setiap pasangan (s,t), kerjakan langkah 3 – 5:

3.  Set aktivasi unit masukan xi = si (i = 1, ..., n)

4.  Hitung respon untuk unit output:

 5.  Perbaiki bobot dan bias pola jika terjadi kesalahan

Jika y ≠ t, maka:

wi (baru) = wi (lama) + ∆ wi (i = 1...n);  dengan ∆ wi = α t xi

b (baru) = b (lama) + ∆b  dengan ∆ b = α t

Jika y = t maka:

wi (baru) = wi (lama)

b (baru) = b (lama)

6. Test kondisi berhenti: jika tidak terjadi perubahan bobot pada (i) maka kondisi      berhenti TRUE, namun jika masih terjadi perubahan maka kondisi berhenti          FALSE