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.