pertemuan 6 jaringan associative
DESCRIPTION
Pertemuan 6 JARINGAN ASSOCIATIVE. Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1. Learning Outcomes. Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menjelaskan konsep Associative Learning. Outline Materi. Arsitektur Jaringan Learning Rule. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/1.jpg)
1
Pertemuan 6 JARINGAN ASSOCIATIVE
Matakuliah : H0434/Jaringan Syaraf Tiruan
Tahun : 2005
Versi : 1
![Page 2: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/2.jpg)
2
Learning Outcomes
Pada akhir pertemuan ini, diharapkan mahasiswa
akan mampu :
• Menjelaskan konsep Associative Learning
![Page 3: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/3.jpg)
3
Outline Materi
• Arsitektur Jaringan
• Learning Rule
![Page 4: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/4.jpg)
4
JARINGAN ASSOCIATIVE
ap
b=-0.5
n
1
w
Asosiator Pisang
a = hardlim ( wp + b ) = hardlim ( wp – 0.5 )
![Page 5: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/5.jpg)
5
STIMULUS DAN RESPONSE
respons ada tidak 0
respons ada 1 a
stimulus ada tidak 0
stimulus ada 1p
![Page 6: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/6.jpg)
6
ASSOCIATOR PISANG
a
p0
b=-0.5
w0=1n
1
p w=0
Pisang ?
a = hardlim ( w0p0 + wp + b )
rdeteksibau tak te 0
eksibau terdet 1 p
i terdeteksbentuk tak 0
deteksibentuk ter 1p0
![Page 7: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/7.jpg)
7
• Diinginkan jaringan mengasosiasikan bentuk pisang dan
bukan bau pisang dengan suatu respons yang
menunjukkan buah adalah pisang.
• Persoalan dapat diselesaikan dengan memilih bobot sbb :
w0 = 1 dan w = 0
• Fungsi asosiasi input/output untuk pisang menjadi :
a = hardlim ( p0 – 0.5 )
• Jadi jaringan akan memberikan respons jika pisang terlihat
pada input ( p0 = 1 ) tidak tergantung pada apakah terbau
pisang atau tidak
![Page 8: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/8.jpg)
8
UNSUPERVISED HEBB RULE
• Unsupervised Hebb Rule :
wij(q) = wij( q-1 ) + ai( q ) pj( q )
• Hebb Rule dalam bentuk vektor :
W(q) = W( q-1 ) + a( q ) pT( q )
![Page 9: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/9.jpg)
9
HEBB RULE PADA ASSOCIATOR PISANG
• Gunakan Hebb Rule pada asosiator pisang dengan nilai awal :
w0 = 1 dan w(0) = 0
• Asosiator selalu diberi input pisang tetapi sensor bau bekerja terus menerus sedang kan sensor bentuk bekerja terputus-putus ( bekerja dan tidak bekerja bergantian ) sehingga urutan pelatihan untuk input sbb :
{ p0(1) = 0, p(1) = 1 }, { p0(2) = 1, p(2) = 1 }, { p0(3) = 0, p(3) = 1 }………………
![Page 10: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/10.jpg)
10
ITERASI PERTAMA
• Learning Rate =1
a(1) = hardlim ( w0p0(1) + w(0) p(1) – 0.5 )
a(1) = hardlim ( 1.0 + 0.1 – 0.5 ) = 0 ( tak ada respons )
• Tanpa respons, aturan Hebb tidak mengubah bobot w.
w(1) = w(0) + a(1) p(1) = 0 + 0.1 = 0
![Page 11: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/11.jpg)
11
ITERASI KEDUA
• a(2) = hardlim ( w0p0(2) + w(1) p(2) – 0.5 )
a(2) = hardlim ( 1.1 + 0.1 – 0.5 ) = 1
( pisang )
• aturan Hebb akan menaikkan bobot diantaranya menurut :
w(2) = w(1) + a(2) p(2) = 0 + 1.1 = 1
![Page 12: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/12.jpg)
12
ITERASI KETIGA
• a(3) = hardlim ( w0p0(3) + w(2) p(3) – 0.5 )
a(3) = hardlim ( 1.0 + 1.1 – 0.5 ) = 1
( pisang )
• Ternyata jaringan masih mengenali pisang dari baunya walaupun bentuk pisang tidak terdeteksi.
![Page 13: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/13.jpg)
13
KEKURANGAN HEBB RULE
• Jika pemberian input diteruskan dan bobot terus di update, maka bobot akan menjadi besar sekali. Hal ini tidak mungkin terjadi pada sistem biologis.
• Tidak ada mekanisme untuk bobot mengecil nilainya.
![Page 14: Pertemuan 6 JARINGAN ASSOCIATIVE](https://reader036.vdokumen.com/reader036/viewer/2022082409/5681555e550346895dc32951/html5/thumbnails/14.jpg)
14
HEBB RULE DENGAN DECAY
• W(q) = W( q-1 ) + a( q ) pT( q ) - W( q-1 )
• W(q) = ( 1 - )W( q-1 ) + a( q ) pT( q )
adalah decay rate yang merupakan
bilangan positip konstan kurang dari 1.
• Nilai bobot maksimal dalam bentuk skalar :
maksijw