15
j
W1
2.2.2. Arsitektur Neural Network
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 Network. Neural Network 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
Network
dapat
didefinisikan
sebagai
“Jumlah
layer-layer
koneksi
bobot
antara
dua unit lapisan”.
Ilustrasi dari single layer network adalah seperti pada Gambar 2.3 berikut:
X1
W
11
W
1m
W
21
Y1
W
12
X2
W
22
Y2
W
2j
W
i1
X
i
W
im
W
n1
X
n
W
2m
W
i2
W
n2
W
ij
Y
j
W
nj
W
nm
Y
m
One layer of Weight -> akan disimpan dalam bentuk MATRIKS BOBOT
(Sumber:
Fausett, 1994 p.13)
Gambar 2.3. Single layer Network
 |