JARINGAN HEBB Donald hebb1949 seorang ahli psikologi dari
JARINGAN HEBB �Donald hebb(1949), seorang ahli psikologi dari Universitas Mc Gill, merancang hukum pembelajaran atau pelatihan bagi jaringan saraf tiruan. Dalam hukum tersebut dijelaskan bahwa jika 2 buah neuron aktif secara terus menerus, maka kekuatan dari koneksi antara keduanya akan bertambah. Ide dari hebb tersebut, kemudian dikembangkan menjadi pelatihan dalam korelasi matriks yang dirancang oleh kohonen dan Anderson (1972). Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 1
�Proses pembelajaran Hebb terjadi dengan cara memodifikasi dari bobot sinapsis atau bobot sinaptik, jika dua neuron yang saling berhubungan satu dengan yang lain dalam waktu dan kondisi yang sama (on), maka bobot dari kedua, neuron tersebut akan dinaikkan. �Metode pembelajaran hebb ini dipakai pada jaringan saraf satu lapisan maka sering disebut jaringan saraf hebb. Karena itulah, dalam setiap itegrasi, bobot sinapsis dan bias diubah berdasarkan perkalian neuron-neuron di kedua sisinya. Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 2
�Untuk jaringan layer tunggal dengan 1 unit keluaran dimana semua unit masukkan x terhubung langsung dengan unit keluaran y, maka perubahan nilai bobot dilakukan berdasarkan persamaan: (baru) = (lama) + Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 3
Algoritma : �Pelatihan Hebb Rule merupakan suatu penyelesaian bobot dengan memperhatikan kesalahan keluaran yang nyata dari hasil prediksi. Pada prinsipnya bobot awal diambil secara acak, kemudian bobot tersebut berubah-ubah kearah bawah sesuai dengan target yang ditentukan. Hal tersebut akan dilakukan secara berulang-ulang sehingga nilai kesalahan akan sama dengan nol sesuai dengan error yang ditentukan. �Tahap ini memerlukan waktu yang lama, karena pada proses akan dicari suatu bobot yang dapat memenuhi dari sejumlah data yang akan dilatih. �Algoritma pelatihan hebb dengan vector input s dan unit target t adalah sebagai berikut : Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 4
1. Inisialisasi semua bobot : wij = 0; dengan i = 1, 2, . . . , n; dan j = 1, 2, . . . , m. 2. Untuk setiap pasangan input-output (s-t), lakukan langkah sebagai berikut : a. Set input dengan nilai sama dengan vektor input : x i = s i; (i = 1, 2, . . . , n) b. Set output dengan nilai sama dengan vektor output : y j = t j; (j = 1, 2, . . . , m) c. Perbaiki bobot : wi(baru) = wi(lama) + xi * yj (i = 1, 2, . . . , n; dan j = 1, 2, . . . , m) d. Perbaiki bias menurut persamaan b(baru) = b(lama)+y Biasanya perubahan atau perbaikan bobot disimbolkan dengan wi, sehingga bisa ditulis menjadi bentuk berikut ini : ∆w = xy dan W (baru)= W (lama) + ∆w Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 5
�Quiz 1: Pasangan s 1 s 2 s 3 s 4 t 1 t 2 1 1 0 0 0 1 0 2 1 1 0 0 1 0 3 0 0 0 1 4 0 0 1 1 0 1 Dari Pasangan data diatas hitung bobot jaringan gunakan aturan Heb Ardi Pujiyanta(T. Informatika UAD Yogyakarta) 2/11/2022 6
- Slides: 6