19
2.4
ArsitekturNeural Networks :Backpropagation
Menurut
Haykin
(1999,
p21),
neuron-neuron seringkali
diatur
atau
ditata
sedemikian
rupa
dalam
bentuk
layer
atau
lapisan.
Pada
umumnya
neuron-neuron yang
berada pada satu
layer berperilaku sama. Faktor-faktor penting
yang
menentukan
perilaku
sebuah
neuron
adalah
fungsi
aktivasi
dan
pola-pola
koneksi
bobot
baik
itu
sinyal input
maupun sinyal output. Dalam satu layer,
umumnya setiap
neuron
memiliki
fungsi aktivasi dan juga pola koneksi bobot tersebut.
Pengaturan
neuron-neuron
ke
dalam
layer-layer
dan
pola-pola
koneksinya
disebut
Arsitektur
Neural
Networks.Neural Networks
sering
diklasifikasikan
sebagai
single
layer
atau
multi
layer.Dalam
penentuan
jumlah
layer,
input
unit
tidak
dihitung
sebagai
layer,
karena
tidak
melakukan
komputasi.Dengan demikian,
jumlah
layer
pada
Neural
Networks
dapat
didefinisikan sebagai
“Jumlah
layer-layer
koneksi
bobot
antara
dua unit lapisan”.
One layer of Weight ->akan disimpan dalam bentuk MATRIKS BOBOT
Gambar 2.9 Single layer Network
 |