24
2.2.5
Multilayer Perceptron
Menurut
Simon
Haykin
(1999,
p156), multilayer
Perceptron adalah
sebuah
JST
yang terdiri dari beberapa set unit sensori; seperti input
layer, satu atau lebih hidden
layers, dan
sebuah output layer dari
node–node
yang
melakukan komputasi. Multilayer
Perceptron telah
diaplikasikan dengan
sukses
untuk
memecahkan
beberapa
permasalahan sulit
yang tersupervisi, algoritma
ini disebut sebagai algoritma error back-
propagation. Algoritma ini didasarkan pada algoritma error-correction learning rule.
Pada dasarnya error back-propagation algorithm
terdiri dari dua bagian yaitu
forward dan
backward. Pada
bagian forward,
pola
input
diaplikasikan ke seluruh node
sensori
yang
kemudian
disebarkan
ke
seluruh
layer
yang
ada.Pada
bagian
backward
berat sinapsis yang ada disesuaikan berkenaan dengan error-correction rule.
Multilayer perceptron memiliki tiga karakteristik utama
•
model
dari
setiap
neuron
di
dalam
jaringan
memiliki
sebuah
fungsi
aktivasi
nonlinear. Contoh:
fungsi logistik:
y
j
=
1
1
+
exp(-v
j
)
•
jaringan
memiliki
satu
atau
lebih
layer
hidden
neurons
yang
bukan
merupakan
bagian dari input ataupun output. Hidden neurons memungkinkan jaringan untuk
mempelajari tugas rumit dengan
melakukan ekstrasi secara progresif pada
fitur–
fitur penting dari pola input
 |