23
1
2
m
1
2
m
dari
x1,x2,…,xn kedalam dua bentuk kelas
yaitu b1 atau b2; b1 jika output dari
preceptron adalah +1 dan b2 jika -1.
Berikut adalah ringkasan algoritma konvergensi perceptron
Ringkasan dari algoritma konvergensi perceptron
variables and parameters
x(n) = (m + 1)
-by-1 input vector
=
[+1,
x
(n), x
(n),..., x
(n)]
T
w(n) = (m + 1)
=
[b(n), w (n), w
(n),..., w (n)]
T
b(n) =
bias
y(n) =
actual response(quantized)
d
(n) =
response yang diinginkan
?
=
parameter yang menunjukan tingkat pembelajaran, sebuah nilai
positif konstan yang kurang dari 1
1. inisialisasi
lakukan pengesetan w(0) = 0 kemudian lakukan perhitungan
berikut untuk n = 1,2, . . .
2. aktivasi
pada setiap n, lakukan pengaktivan terhadap perceptron dengan
mengaplikasikan input vector yang kontinyu x(n) and response
yang diinginkan d(n)
3. lakukan perhitungan terhadap response yang sebenarnya
y(n) = sgn[w
T
(n) x(n)]
dimana sgn(.) adalah fungsi signum
4. lakukan adaptasi terhadap vektor berat. Lakukan perubahan
terhadap vektor berat dari perceptron
w(n + 1) =
w(n) +
?[d (n) -
y(n)]x(n)
dimana
?
+
1
d
(n) =
?
?
-
1
Jika x(n) termasuk kelas b1
Jika x(n) termasuk kelas b2
5. lakukan perulangan. Jumlahkan nilai n dengan 1 dan kembali ke
langkah 2
 |