26
•
Pada
komputasi
forward
berat
dari
setiap
sinapsis
tidak
mengalami
perubahan
dan
sinyal dari setiap
fungsi dikalkulasikan berdasarkan neuron–neuron.Berikut
adalah persamaan matematisnya:
y
j
(n)
=
?
(v
j
(n))
dimana
v
j
(n) diinduksi dari setiap
local
field
neuron
j,
yang didefinisikan
sebagai berikut:
m
v
j
(n) =
?
w
ji
(n) y
i
(n)
i
=0
m
adalah total jumlah dari input – input (terkecuali nilai bias) diaplikasikan pada
neuron j dan
w
ji
(n) adalah berat sinapsis yang
menghubungkan neuron
i
kepada
neuron
j,
dan
y
j
(n) merepresentasikan
nilai
sinyal
input
dari
neuron
j.
Jikalau
neuron
j
adalah
layer
tersembunyi
pertama
dari
sebuah
jaringan,
m=m
o
dan
indeks dari i merepresentasikan input ke-i dari terminal input dari jaringan, maka
kita dapat menuliskan persamaan berikut sebagai
y
i
=
x
i
(n)
dimana x
i
(n)
adalah elemen ke-i dari sebuah vector input. Namun jikalau neuron
ke-j merepresentasikan layer output dari sebuah network, m =
m
l
dan
indeks ke-j
 |