Download - Neuron Mc Culloch Pitts dan Hebb
ALGORITMA NEURON MCCULLOCH-PITTS DANNEURON HEBB
Sherly Christina, S.Kom., M.Kom
MODEL NEURON MCCULLOCH-PITTS
Tahun 1943 oleh Warren Mc Culloch, Ahli Syaraf dan Walter Pitts, Ahli Logika
Neuron McCulloch-Pitts model JST pertama
ARSITEKTUR JARINGAN MODEL NEURONMCCULLOCH-PITTS
FUNGSI AKTIVASI NEURON MCCULLOCH-PITTS
Fungsi Undak Biner
CONTOH 1 Buat Model Neuron McCulloch-Pitts untuk
mengenali pola fungsi logika “AND” sesuai tabel kebenaran berikut.
X1 X2 Y0 0 00 1 01 0 01 1 1
CONTOH 1 Input : X1 dan X2 Bobot : W1=1 dan W2=1
X1 X2 Net = ΣXiWi0 0 0.1+0.1 = 00 1 0.1+1.1=11 0 1.1+0.1=11 1 1.1+1.1=2
CONTOH 1 Nilai threshold θ =2
X1 X2 Net = ΣXiWi
Y(net)
0 0 0.1+0.1 = 0 00 1 0.1+1.1=1 01 0 1.1+0.1=1 01 1 1.1+1.1=2 1
MODEL NEURON HEBB
1949, D.O. HebbBobot dan Bias dihitung secara iteratif
ARSITEKTUR JARINGAN MODELNEURON HEBB
ALGORITMA PELATIHAN HEBB
1. Inisialisasi Bobot dan Bias: Wi=0; b=02. Untuk setiap pasangan input-target,
lakukana. Set aktivasi unit input: Xi=Si; (i=1,2,...,n)b. Set aktivasi unit output:Yj=tj; (j=1,2,...,m)
ALGORITMA PELATIHAN HEBB
3. Perbaiki bobot menurut persamaan berikut Wi(baru)=Wi(lama)+Xi*Yj;
4. Perbaiki bias menurut persamaan berikutb(baru)=b(lama)+Y
CONTOH 2
Buat jaringan Hebb untuk mengenali pola fungsi logika “OR” menurut tabel kebenaran berikut.
X1 X2 Target0 0 00 1 11 0 11 1 1
CONTOH 2
Inisialisasi bobot dan bias: W1=0 W2=0 b=0
CONTOH 2; DATA KE-1 X1 = 0; X2 = 0 ; y= 0 (target) Perubahan bobot dan bias untuk data ke-1:
W1(baru) = W1(lama)+X1*Y= 0+0.0 = 0
W2(baru) = W2(lama)+X2*Y= 0+0.0 = 0
b(baru) = b(lama)+Y= 0+0 = 0
CONTOH 2; DATA KE-2 X1 = 0; X2 = 1 ; y= 1 (target) Perubahan bobot dan bias untuk data ke-2:
W1(baru) = W1(lama)+X1*Y= 0+0.1 = 0
W2(baru) = W2(lama)+X2*Y= 0+1.1 = 1
b(baru) = b(lama)+Y= 0+1 = 1
CONTOH 2; DATA KE-3 X1 = 1; X2 = 0 ; y= 1 (target) Perubahan bobot dan bias untuk data ke-3:
W1(baru) = W1(lama)+X1*Y= 0+1.1 = 1
W2(baru) = W2(lama)+X2*Y= 1+0.1 = 1
b(baru) = b(lama)+Y= 1+1 = 2
CONTOH 2; DATA KE-4 X1 = 1; X2 = 1 ; y= 1 (target) Perubahan bobot dan bias untuk data ke-4:
W1(baru) = W1(lama)+X1*Y= 1+1.1 = 2
W2(baru) = W2(lama)+X2*Y= 1+1.1 = 2
b(baru) = b(lama)+Y= 2+1 = 3
CONTOH 2;PENGUJIAN
Nilai W1=2; W2=2 dan b=3 digunakan untuk pengujian terhadap fungsi aktifasi
X1 X2 Net = ΣXiWi + b
Y(net)
0 0 0.2+0.2+3 = 3 10 1 0.2+1.2+3 = 5 11 0 1.2+0.2+3 = 5 11 1 1.2+1.2+3 = 7 1
CONTOH 2; HASIL
≠Y(net) ≠ Target
JST tidak dapat mengenali pola pada fungsi logika OR dengan input-output berupa bilangan biner.
TUGAS MANDIRI
Coba jaringan Hebb untuk mengenali pola fungsi logika OR dengan ketentuan: Input bilangan biner, output bilangan bipolar Input bilangan bipolar, output bilangan
bipolarCoba jaringan Hebb untuk mengenali pola
fungsi logika AND dengan ketentuan Input bilangan biner, output bilangan biner Input bilangan biner, output bilangan bipolar Input bilangan bipolar, output bilangan
bipolar
ADA PERTANYAAN ??
TERIMA KASIH.