Blogroll


Komentar Terbaru


Arsip


Jam Digital


@NhieVannie


My Facebook


My Song


Pengunjung

    63.202

Fungsi Aktivasi dan Proses Pembelajaran pada Artificial Neural Network I

Ditulis pada 31 March 2013 Oleh zilvanhisna-e-f-fst10 | Kategori : Sistem Cerdas

Pada dua blog terakhir, kita telah membahas pengertian Jaringan Syaraf Tiruan dan pemodelannya. Kali ini kita akan membahas fungsi aktivasi dan proses pembelajarannya.  Fungsi aktivasi merupakan suatu metode yang berfungsi untuk memasukkan data pada jaringan syaraf tiruan. Berikut ini beberapa fungsi aktivasi akan dijelaskan dengan rinci :

a.       Fungsi Hard Limit

Jaringan lapisan tunggal (single layer) sering mengggunakan fungsi ini untuk mengkonversi input variable yang bernilai kontinu ke suatu output biner

b.      Fungsi Threshold

Fungsi undak biner ini menggunakan nilai ambang yang sering disebut fungsi nilai ambang atau fungsi Heaviside.

c.       Fungsi bipolar (symentric hard limit)

Sama seperti fungsi hard limit dan threshold namun output yang dihasilkan berupa 1, 0 atau -1.


 

d.      Fungsi bipolar menggunakan threshold

Output yag dihasilkan 1, 0 atau -1

e.      Fungsi linear identitas

Fungsi ini memiliki nilai output yang sama dengan nilai input. Perumusannya yaitu :

y=   y = x

f.        Fungsi Sturating Linear

Fungsi ini akan bernilai 0 jika inputnya < -1/2, akan bernilai 1 jika inputnya > ½ dan jika inputnya -1/2

g.       Fungsi symmetric saturating linear

Fungsi ini akan bernilai -1 jika inputnya < -1. Sedangkan jika nilai input terletak -1

h.      Fungsi Sigmoid Biner

Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode back propagation. Fungsi ini memiliki nilai pada range antara 0 sampai 1.

i.         Fungsi sigmoid bipolar

Outputnya berada pada range antara 1 sampai -1


- 1 Komentar -

1. admin

pada : 31 March 2013
lanjutan blog buka
http://zilvanhisna-e-f-fst10.web.unair.ac.id/artikel_detail-76003-Sistem%20Cerdas-Fungsi%20Aktivasi%20dan%20Proses%20Pembelajaran%20pada%20Artificial%20Neural%20Network%20II.html

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :