ARTIFICIAL NEURAL NETWORK -...

Click here to load reader

  • date post

    16-Dec-2020
  • Category

    Documents

  • view

    7
  • download

    2

Embed Size (px)

Transcript of ARTIFICIAL NEURAL NETWORK -...

  • ARTIFICIAL NEURAL NETWORK -BACKPROPAGATIONUniversitas Gunadarma – Konsep Data Mining

    Ericks

  • JARINGAN ANN

  • ALGORITMA BACKPROPAGATIONInisialisasi semua bobot dengan bilangan acak dengan interval [0,1].

    Hitung semua keluaran di unit Hidden Zj.

    Hitung dengan fungsi aktivasi :

  • ALGORITMA BACKPROPAGATIONHitung semua keluaran jaringan di Output node Yk.

    Hitung dengan fungsi aktivasi :

  • ALGORITMA BACKPROPAGATIONHitung Error yang terjadi pada Output node.

    Hitung suku perubahan bobot Wkj :

  • ALGORITMA BACKPROPAGATIONHitung faktor δ unit tersembunyi berdasarkan error di setiap Hidden node (Zj).

    Faktor δ unit tersembunyi :

  • ALGORITMA BACKPROPAGATIONHitung suku perubahan bobot Vij.

    Perubahan bobot yang menuju output node :

    Perubahan bobot menuju hidden node :

  • JARINGAN ANN

  • DATA AWAL

    X1 = 1, X2 = 0, X3 = 1, Output (Otarget) = 1

    Inisialisasi bobot awal secara acak.V14 = 0.15 V24 = 0.42 V34 =

    0.45V15 = 0.32 V25 = 0.11 V35

    = 0.88W46 = 0.28 W56 = 0.26

  • ITERASI 1 – OUTPUT NODE 4Hitung Hidden Node

    Neuron 4Znet_1 = X1 * V14 + X2 * V24 + X3 * V34

    = 1 * 0.15 + 0 * 0.42 + 1 * 0.45= 0.6

    Z1 = = 0.6457

  • ITERASI 1 – OUTPUT NODE 5Hitung Hidden Node

    Neuron 5Znet_2 = X1 * V15 + X2 * V25 + X3 * V35

    = 1 * 0.32 + 0 * 0.11 + 1 * 0.88= 1.2

    Z2 = = 0.7686

  • ITERASI 1 – OUTPUT NODE 6Hitung Output Node

    Neuron 6Ynet_1 = Z1 * W46 + Z2 * W56

    = 0.6457 * 0.28 + 0.7686 * 0.26= 0.180796 + 0.199836= 0.380632

    Y1 = = 0.5940

  • ITERASI 1 - ERRORHitung nilai Error Output dan Hidden layer

    Neuron 6Err6 = Y1 * (1 – Y1) * (Otarget - Y1)

    = 0.5940 * (1 - 0.5940) * (1 - 0.5940) = 0.0979

    Neuron 5Err5 = Z2 * (1 - Z2) * Err6 * W56

    = 0.7686 * (1 - 0.7686) * 0.241164 * 0.26 = 0.0112

    Neuron 4Err4 = Z1 * (1 – Z1) * Err6 * W46

    = 0.6457 * (1 - 0.6457) * 0.241164 * 0.28 = 0.0155

  • ITERASI 1 – MODIFIKASI BOBOTModifikasi / Hitung Bobot baru

    W46 = W46 + Err6 * Z1 = 0.28 + 0.0979 * 0.6457

    W56 = W56 + Err6 * Z2= 0.26 + 0.0979 * 0.7686

    V14 = V14 + Err4 * X1= 0.15 + 0.0155 * 1

  • ITERASI 1 – MODIFIKASI BOBOTModifikasi / Hitung Bobot baru

    V15 = V15 + Err5 * X1= 0.32 + 0.0112 * 1

    V24 = V24 + Err4 * X2= 0.42 + 0.0155 * 0

    V25 = V25 + Err5 * X2= 0.11 + 0.0112 * 0

  • ITERASI 1 – MODIFIKASI BOBOTModifikasi / Hitung Bobot baru

    V34 = V34 + Err5 * X3= 0.45 + 0.0112 * 1

    V35 = V35 + Err5 * X3 = 0.88 + 0.0112 * 1

  • ANN - BACKPROPAGATIONIterasi selesai sampai pada maksimum epoch yang

    ditentukan atau Error < Target Error yang ditentukan.

  • REFERENCESDrs. Jong Jek Siang, MSc, Jaringan Syaraf Tiruan, Bab 7, Penerbit Andi, 2009.

    ARTIFICIAL NEURAL NETWORK - BACKPROPAGATIONJARINGAN ANNALGORITMA BACKPROPAGATIONALGORITMA BACKPROPAGATIONALGORITMA BACKPROPAGATIONALGORITMA BACKPROPAGATIONALGORITMA BACKPROPAGATIONJARINGAN ANNDATA AWALITERASI 1 – Output Node 4ITERASI 1 – Output Node 5ITERASI 1 – Output Node 6ITERASI 1 - ErrorITERASI 1 – Modifikasi BobotITERASI 1 – Modifikasi BobotITERASI 1 – Modifikasi BobotANN - BACKPROPAGATIONREFERENCES