Subject Year : T0293/Neuro Computing : 2009 Perceptrons Meeting 4 2 Perceptron Sebagai Model Awal Neural Networks • • • Muncul pada awal tahun 1940-an Mc Cullock dan Pitts (1943) mempublikasikan studi tentang Neural Networks. Perceptron menggunakan model neuron sederhana yang disebut ‘ perceptron neuron ‘. Perceptron Neuron X1 X2 W1 W2 W3 THRESHOLD OUT Xn 3 • Unit mengalikan setiap input X dengan bobot W dan menjumlahkannya. = X1 W1 + X2 W2 + ... + Xn Wn Multioutput Perceptron • Sistem yang dikembangkan oleh Mc Cullock dan Pitts tersebut secara kolektif disebut ‘ perceptrons ‘. Secara umum perceptrons terdiri dari satu layer tunggal dari neuron-neuron yang dihubungkan dengan bobot dari serangkaian input. 4 X1 OUT X2 OUT OUT Xn Multioutput Perceptron 5 Representasi Perceptron 0 1 2 ODD 9 Image Recognition System 6 Exclusive-Or Problem X W1 W2 NET Y Single Neuron System 7 F OUT B1 A1 X W 1 + Y W2 = THRESHOLD Y A0 B0 X Exclusive-Or Problem as Points on the X-Y Plane 8 Exclusive-Or Truth Table Point A0 B0 B1 B1 x y Desired Value Value Output 0 0 0 1 0 1 0 1 1 1 1 0 9 Perceptron Learning Algoritma ( Delta Rule ) Generalisasi yang sangat penting dari algoritma training pada perceptron disebut ‘ delta rule ‘. = (T-A) dimana T adalah target output dan A adalah actual output. i = Xi Wi (n+1) = Wi (n) + I dimana I Wi (n+1) Wi (n) = = = = koreksi berkaitan dengan input Xi nilai bobot i setelah penyesuaian nilai bobot i sebelum penyesuaian 10 koefisien ‘ learning rate ‘
© Copyright 2024 Paperzz
