JaRINGAN SARAF TIRUAN (Neural Network)

JaRINGAN SARAF TIRUAN (Neural Network)Praktikum 9PendahuluanJaringan syaraf tiruan (JST) merupakan sistem pemprosesan informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologis.JST merupakan generalisasi model matematik pada jaringan syaraf biologisJSTAsumsi JSTPemprosesan informasi terjadi pada banyak elemen sederhana (neuron)Sinyal dikirim antara neuron melalui penghubung-penghubung (pautan)Penghubung antar pautan memiliki bobot yang dapat memperkuat atau memperlemah sinyalUntuk menentukan output, setiap neuron menggunakan fungsi aktivasiJST JST ditentukan oleh 3 hal :Arsitektur jaringan (pola hubungan antar neuron)Metode untuk menentukan bobot penghubung (metode training)Fungsi AktivasiAplikasi JSTPengenalan Pola (huruf, suara, angka, tanda tangan)Signal Processing (JST model ADALINE)Peramalan berdasarkan kejadian masa laluPerceptron dalam Matlab Sistem default dalam matlab : Masukan dan target tidak harus biner/bipolarThreshold yang dipakai adalah nolFungsi aktivasi memiliki output binerTidak ada laju penambahanPerceptron dalam MatlabFormat :net = newp(PR, S, TF, LF)net.IW{i,j} % inisialisasi bobot awal dari layer ke j ke layer ke I (bobot awal)PR: matriks Rx2, dengan R buah inputanS : jumlah neuron targetTF : fungsi biner (default hardlim)LF : fungsi latihan (default learnp)Contoh PerceptronBentuklah perceptron untuk mengenali pola logika dan dari 2 variable!>> net = newp([0 1; 0 1],1);>> net.IW{1,1}=[-1 1];>> net.b{1}=[1];>> p=[[1 ; 1] [1 ; 0 ] [ 0 ; 1] [0 ; 0]];>> t=[ 1 0 0 0];>> a= sim (net,p) ===== lanjut contoh mfileBackpropagation dengan Matlabnet= newff(PR, [s1 s2. sn],{tf1 tf2tfn},BTF,BLF,PF)PR = matriks ordo Rx2Si = jumlah unit pada layer ke Itf i= fungsi aktivasi yang digunakan pada layer IBTF= fungsi latihan jaringan, default tansig(sigmoid bipolar)BLF = fungsi perubahan bobot/biar , default learngdmPF = fungsi error, default mseContoh Lanjut Minggu depan saja ya..