24
Gambar 2.13 Fungsi Aktivasi: Symetric Saturating Linear
H. Fungsi Sigmoid Biner
Fungsi
ini
mencakup seluruh
fungsi
yang berbentuk kurva S. Sebagai contoh
yang
sering digunakan adalah
fungsi
logistik. Fungsi
ini
memiliki kelebihan
dalam pembelajaran sebuah neuron khususnya
yang
menggunakan algoritma
atau
model
Backpropagation.
Kelebihan
dalam
pembelajaran ini
karena
hubungan
yang
sederhana
antara
nilai
fungsi
pada
suatu
titik
dengan
nilai
turunannya, sehingga
mengurangi biaya
komputasi
selama
pembelajaran
dalam bentuk waktu (time) yang lebih efisien. (gambar 2.14)
Fungsi Sigmoid Biner dirumuskan sebagai :
y = f(x) =
1
1 + e
–sx
Fungsi ini memiliki turunan pertama:
f’(x) = s f(x) [1 – f(x)]
 |