49
Gambar 2.6 Pembobotan Pada Layer Jaringan Saraf
Tiap simpul
bisa dilihat sebagai
variabel prediktor
(dalam hal
ini simpul
1 dan
2)
atau
sebagai
kombinasi
dari
variabel
prediktor
(simpul
3
sampai
6).
Simpul
6 adalah
kombiasi
non
linear
dari
nilai
simpul
1 dan
2,
karena
fungsi
aktivasi
terhadap
nilai
penjumlahan
di simpul-simpul
tersembunyi.
Jika
terdapat
fungsi
aktivasi
tanpa
hidden
layer,
jaringan
saraf
akan
ekivalen
dengan
regresi
linear;
dan
dengan
fungsi
aktivasi
non-linear tertentu,
jaringan saraf akan ekivalen dengan regresi logistik.
Bobot
koneksi
(W) adalah
parameter
tidak
diketahui
yang
diestimasi
dengan
metode
training.
Awalnya,
metode
training
yang
umum
adalah
backpropagation;
metode-metode
yang
baru
lalu bermunculan
seperti
gradien
konjugasi,
quasi-Newton,
Levenberg-Marquardt,
dan algoritma
genetic.
Tiap
metode
training
memiliki
satu
himpunan
parameter
yang
mengatur
berbagai
aspek
dari training
seperti
misalnya
menghindari local optima atau mengatur kecepatan
konversi.
2.5.2
Arsitektur Jaringan Saraf Tiruan
Arsitektur (atau topologi) dari jaringan saraf adalah jumlah dari simpul dan
layer-layer
tersembunyi,
dan bagaimana
mereka
saling berhubungan.
Dalam
merancang
jaringan saraf, baik user maupun software harus memilih
jumlah simpul dan layer
 |