37
F.
Tiap-tiap
unit
output
(Y
k
,
k
=
1,
2,
3,...,
m)
memperbaiki
bias
dan
bobotnya (j = 0, 1, 2, 3..., p):
w
jk
(baru) = w
jk
(lama) + ?w
jk
Tiap-tiap unit tersembunyi (Z
j
,
j
=
1, 2, 3,..., p) memperbaiki bias dan
bobotnya (i = 0, 1, 2, 3,...., n)
v
ij
(baru) = v
ij
(lama) + ?v
ij
Tes kondisi berhenti
B. Pembelajaran Tak Terawasi (Unsupervied Learning)
Pada metode pembelajaran
yang tak
terawasi
ini
tidak
memerlukan target
output.
Pada
metode
ini,
tidak
dapat
ditentukan hasil
yang
seperti
apakah
yang
diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai
bobot
disusun
dalam
suatu
range
tertentu
tergantung pada
nilai
input
yang
diberikan.
Tujuan
pembelajaran
ini
adalah
mengelompokkan unit-unit
yang
hampir sama dalam suatu
area
tertentu. Pembelajaran ini
biasanya
sangat cocok
untuk pengelompokan (klasifikasi) pola. Contoh dari pembelajaran tak terawasai
adalah Jaringan Kohonen.
Rumelhart,
Hinton
dan
Williams
(1986)
adalah
orang-orang
yang
memberi
kontribusi
terhadap
pengembangan
algoritma
Backpropagation
pada
pembelajaran
terawasi.
Lalu
oleh
Jacobs
(1988)
algoritma
Backpropagation
dikembangkan
lagi
menjadi algoritma Delta-Bar-Delta.
 |