Laporan JST.pdf
-
Upload
toty-gusmao -
Category
Documents
-
view
6 -
download
1
Transcript of Laporan JST.pdf
KECERDASAN KOMPUTASIONAL
PENGENALAN HURUF MENGGUNAKAN JARINGAN
SYARAF TIRUAN UNTUK HURUF “K”
Disusun oleh:
Abdi Pandu Kusuma [ 116060300111021 ]
PROGRAM PASCASARJANA
FAKULTAS TEKNIK ELEKTRO
Minat:
SISTEM TEKNIK KOMUNIKASI & INFORMATIKA (SKI)
UNIVERSITAS BRAWIJAYA
2011/2012
I. Latar Belakang
Pengenalan pola (pattern recognition) merupakan masalah yang lazim dewasa ini,
baik pengenalan pola wajah, sidik jari, tulisan tangan maupun pola karakter hasil
cetakan. Secara umum teknik pengenalan pola bertujuan untuk mengklasifikasikan dan
mendeskripsikan pola atau objek kompleks melalui pengukuran sifat atau ciri dari objek
yang bersangkutan. Tahapan dalam pengenalan pola terdiri dari prapengolahan, ekstraksi
ciri, dan klasifikasi. Salah satu pendekatan yang digunakan pada tahap klasifikasi adalah
Jaringan Syaraf Tiruan (JST). JST merupakan salah satu representasi buatan dari otak
manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak
manusia. JST akan melakukan pembelajaran untuk membentuk suatu model referensi,
kemudian JST yang telah melakukan pembelajaran tersebut dapat digunakan untuk
pencocokan pola.
Arsitektur JST yang paling umum digunakan adalah MLP propagasi balik. Metode
propagasi balik adalah metode penurunan gradien untuk meminimalkan total galat
kuadrat keluaran. Aplikasi jaringan ini melibatkan pemetaan sekumpulan masukan
terhadap sekumpulan acuan keluaran. Tujuan pembelajaran jaringan ini adalah
mendapatkan keseimbangan antara kemampuan tanggapan yang benar terhadap pola
masukan yang dipakai untuk proses pembelajaran jaringan dan kemampuan memberikan
tanggapan yang layak untuk masukan sejenis namun tidak identik dengan yang dipakai
pada pembelajaran jaringan.
II. Pembahasan.
Diberikan pada huruf “K” yang direpresentasikan pada matriks berukuran 5x7
sebagai berikut:
1 0 0 0 1
1 0 0 0 1
1 0 0 1 0
1 1 1 0 0
� 1 0 0 1 0
1 0 0 0 1
1 0 0 0 1
Algoritma JST:
Penyelesaian:
I. Ditentukan nilai acak pada layer tersembunyi (range[-1],1) pada layer input ke
layer tersembunyi.
Tabel bobot dari layer input � layer tersembunyi:
Z1 Z2
X1 0,2 -0,2
X2 0 0
X3 0 0
X4 0 0
X5 0,3 0,1
X6 0,1 0,2
X7 0 0
X8 0 0
X9 0 0
X10 -0,1 0,1
X11 0,2 0,3
X12 0 0
X13 0 0
X14 0,3 -0,1
X15 0 0
X16 0,2 -0,4
X17 -0,3 0,1
X18 0,3 0,2
X19 0 0
X20 0 0
X21 0,1 -0,1
X22 0 0
X23 0 0
X24 0,1 -0,4
X25 0 0
X26 0,3 0,4
X27 0 0
X28 0 0
X29 0 0
X30 -0,2 0,2
X31 -0,2 0,1
X32 0 0
X33 0 0
X34 0 0
X35 -0,3 0,3
b 0 0
Tabel bobot dari layer tersembunyi ke layer output
y
Z1 0,2
Z2 -0,2
b 0,1
II. Jika kondisi penghentian belum terpenuhi, lakukan langkah selanjutnya.
III. Tahap Feed Forward
� Setiap unit mengirim sinyal ke unit tersembunyi
� Hitung keluaran di unit tersembunyi (zj)
znj = vji + ∑ x1.vji
zn1 = 0 + 1(0,2) + 0 + 0 + 0 + 1(0,3) + 1(0,1) + 0 + 0 + 0 + 1(-0,1) +1(0,2) +
0 + 0 + 1(0,3) + 0 + 1(0,2) + 1(-0,3) + 1(0,3) + 0 + 0 + 1(0,1) + 0 +
0 + 1(0,1) + 0 + 1(0,3) + 0 + 0 + 0 + 1(-0,2) + 1(-0,2) + 0 + 0 + 0 +
(-0,3) = 1
zn2 = 0 + 1(-0,2) + 0 + 0 + 0 + 1(0,1) + 1(0,2) + 0 + 0 + 0 + 1(0,1) + 1(0,3)
+ 0 + 0 + 1(-0,1) + 0 + 1(-0,4) + 1(0,1) + 1(0,2) + 0 + 0 + 1(-0,1) + 0
+ 0 +1(-0,4) + 0 + 0 + 0 + 1(0,2) + 1(-0,1) +0 + 0 + 0 + 1(0,3) = 0,6
zj = f(znj)
=
z1 = = 0,73106
z2 = = 0,64564
� Hitung keluaran unit output (yk)
ynk = 0,1 + 0,73106(0,2) + 0,64564(-0,2) = 0,11709
yk = = 0,52924
IV. Tahap Backward Propagation
� Hitung faktor di unit output yk
� = (tk – yk) f’ (ynk)
= (tk – yk) yk (1-yk)
= (1-0,52924)(0,52924)(1-0,52924)
= 0,11728
Perubahan bobot wkj = wjk ( =0,1)
. =
. = 0,1 (0,11728)(0,1) = 0,001172
. = 0,1 (0,11728)(0,73106) = 0,008573
. = 0,1 (0,11728)(0,64564) = 0,007572
� Hitung penjumlahan kesalahan dari unit tersembunyi ( ) :
=
= (0,001172)(0,2) = 0,000234
= (0,001172)(-0,2) = -0,000234
Faktor kesalahan di unit tersembunyi:
= .f’( ) = .zj(1-zj)
= (0,000234)(0,73106)(1-0,73106) = 0,000046
= (-0,000234)(0,64654)(1-0, 64654) = -0,000053
Perubahan bobot ke unit tersembunyi:
=
V. Tahap update bobot & Bias.
wkj(baru) = wkj(lama) + wkj
w11(baru) = 0,2 + 0,008573 = 0,208573
w12(baru) = -0,2 + 0.007572 = -0,192428
Perubahan bobot tersembunyi:
vji = vji(lama) + vji
Z1 Z2
X1 0,199954 -0,199947
X2 0 0
X3 0 0
X4 0 0
X5 0,299954 0,100053
X6 0,099954 0,200053
X7 0 0
X8 0 0
X9 0 0
X10 -0,10005 0,100053
X11 0,199954 0,300053
X12 0 0
X13 0 0
X14 0,299954 -0,099947
X15 0 0
X16 0,199954 -0,399947
X17 -0,30005 0,100053
X18 0,299954 0,200053
X19 0 0
X20 0 0
X21 0,099954 -0,099947
X22 0 0
X23 0 0
X24 0,099954 -0,099947
X25 0 0
X26 0,299954 0,400053
X27 0 0
X28 0 0
X29 0 0
X30 -0,20005 0,200053
X31 -0,20005 0,100053
X32 0 0
X33 0 0
X34 0 0
X35 -0,30005 0,300053
b 0 0