MLP Feed-Forward Back Propagation Net work

download MLP Feed-Forward  Back Propagation Net work

of 17

  • date post

    29-Jan-2016
  • Category

    Documents

  • view

    45
  • download

    0

Embed Size (px)

description

MLP Feed-Forward Back Propagation Net work. Nurochman. x 1. x n. Arsitektur MLP. Algoritma BackPropagation. Inisialisasi bobot-bobot dan atau bias tentukan laju pembelajaran ( α ) tentukan nilai ambang / nilai toleransi ( 𝛉) atau tentukan epoch maksimal - PowerPoint PPT Presentation

Transcript of MLP Feed-Forward Back Propagation Net work

  • NurochmanMLP Feed-Forward Back Propagation Network

  • Arsitektur MLP

  • Algoritma BackPropagationInisialisasi bobot-bobot dan atau biastentukan laju pembelajaran ()tentukan nilai ambang/ nilai toleransi ()atau tentukan epoch maksimalWhile kondisi berhenti tdk terpenuhi do langkah 3 10Untuk setiap pasangan pola pelatihan, lakukan langkah 4 9Tahap umpan majuSetiap unit input Xi dari i=1 sampai n mengirim sinyal ke lapisan tersembunyi

  • Menghitung sinyal output pada lapisan tersembunyi

    Menghitung sinyal output pada lapisan output

    Tahap propagasi balikMenghitung error pada lapisan output, menghitung besar koreksi bobot dan bias antara lapisan tersembunyi dan output, lalu update bobot dan bias

  • Menghitung error pada lapisan tersembunyi, menghitung besar koreksi bobot dan bias antara lapisan input dan tersembunyi, lalu update bobot dan bias

  • Tahap update bobot dan biasUpdate bobot dari lapisan tersembunyi ke lapisan output

    Update bobot dari lapisan input ke lapisan tersembunyi

    Tes kondisi berhenti (error sudah

  • Algoritma Aplikasi1. Loading bobot dan bias hasil pelatihan2. Menghitung sinyal output pada lapisan tersembunyi

    3.Menghitung sinyal output pada lapisan output

    4.Output dari lapisan output itulah yang menjadi output JST

  • Persyaratan Minimasi Error

  • Fungsi Sigmoid Biner

  • Fungsi Sigmoid Bipolar

  • Fungsi Tangen Hiperbolik

  • Inisialisasi Bobot dan BiasInisialisai Acak (interval antara -lamda dan lamda), misal (-0,4 dan 0,4)Inisialisasi Nguyen-Widrow

  • Inisialisasi Nguyen-WidrowPembelajaran lebih cepatInisialisasi bobot antara lapisan tersembunyi dan output tetap menggunakan acakFaktor skala Nguyen-Widrow

    n = jumlah unit inputp = jumlah unit tersembunyi = faktor skala

  • Prosedur Inisialisasi Nguyen-WidrowInisialisasi bobot antara unit input dan unit tersembunyi dengan cara:- menentukan bobot antara unit input dan unit tersembunyi Vij (lama) = bil acak antara (- dan )- Menghitung ||Vij||- Menginisialisasi Vij:Menentukan bias antara unit input dan unit tersembunyi dengan bilangan acak antara (- dan )

  • Update bobot dg momentumMomentum memaksa proses perubahan bobotTidak terperangkap dalam minimum lokal (local minima)

    Miu adalah parameter momentum dalam range 0 sampai 1

  • TugasImplementasikan algoritma BP untuk mengenali pola huruf di atas. Satu huruf berukuran 3x5 dengan target masing-masing untuk B (1,1), D (1,-1), F(-1,1) dan H (-1,-1)Gunakan representasi bipolar dan fungsi sigmoid bipolar

  • Any Questions?