IBNU HAJAR

Berpacu menjadi yang terbaik

Kategori

google

    Loading

Calender

Fungsi Aktivasi Jaringan Saraf Tiruan

diposting oleh ibnu-h--fst10 pada 31 March 2013
di Umum - 0 komentar

Cerita kali ini fungsi aktivasi dari jaringan saraf tiruan dan sedikit mengenai arsitektur jaringan saraf tiruan. Mudah – mudahan pembaca gak bosan menyimak cerita dari saya. Selamat membaca.^^

Pembahasan pertama pada cerita saya kali ini adalah mengenai struktur dari jarigan saraf tiruan. Berdasarkan strukturnya jaringan saraf tiruan dibagi menjadi dua yaitu single layer net dan multi layer net. Single layer net merupakan jaringan saraf tiruan yang memiliki satu nilai threshold yang saling berhubungan. Jadi input yang diterima akan langsung diolah tanpa melewati suatu layer tersembunyi. Pada outputnya akan terdapat dua neuron yang tingkat keterkaitannya bergantung dari trheshold yang telah ditentukan sebelumnya. Semua unit input akan saling bersesuaian dengan setap unit output.

Sedangkan pada multi layer net, terdapat beberapa layer (nilai batas) yang terletak antara input dan output. Jadi pada model ini input yang diberikan akan diolah terlebih dahulu melalui beberapa nilai tertentu sebelum dijadikan output. Pada model ini dihasilakan 1 output yang mewakili semua proses pengolahan data yang telah diinputkan. Hasil output dari model ini lebih bisa menyelesaikan permasalah yang ada. Namun proses pembelajaran yang dilakukan juga lebih rumit.

Setelah membahas mengenai struktur penyusun dari jaringan saraf tiruan sekarang saya akan bercerita mengenai fungsi aktivasi jaringan saraf tiruan.

Fungsi aktivasi merupakan suatu fungsi yang akan mentrasformasikan suatu inputan menjadi suatu output tertentu. Pada jaringan saraf tiruan suatu informasi akan diterima oleh inputan. Inputan ini akan diproses melalui suatu fungsi perambatan. Fungsi ini akan menjumlahkan sejumlah inputan, hasil dari penjumlahan ini kemudian akan di bandingkan dengan nilai ambang (threshold) tertentu melalui fungsi aktivasi pada setiap neuron (ANN). Jika nilai yang dihasilkan melewati nilai ambang maka neuron tersebut akan diaktifkan jika tidak maka neuron tidak akan diaktifkan. Artinya neuron akan menghasilkan suatu nilai output jika threshold dilewati.

Setelah memahami cara kerja dari fungsi aktivasi, saya akan menceritakan beberapa fungsi aktifasi yang sering digunakan pada jaringan saraf tiruan. Banyak fungsi aktivasi pada pengembangan jaringan saraf tiruan. Namun kali ini saya hanya akan membahas mengenai fungsi sigmoid.

Fungsi sigmoid merupakan salah satu dari sekian fungsi aktivasi yang sering digunakan pada jaringan saraf tiruan. Funsi sigmoid dibagi menjadi 2 yaitu fungsi sigmoid biner dan fungsi sigmoid bipolar.

a. Fungsi sigmoid biner

Fungsi sigmoid biner merupakan fungsi aktivasi yang menggunakan metode backpropagation. Fungsi ini memiliki interval output 0 sampai 1. Fungsi sigmoid dapat dirumuskan sebagai berikut:

 

b. Fungsi sigmoid bipolar

Fungsi sigmoid bipolar pada dasarnya hampir sama dengan fungsi biner namun interval outputnya antara -1 sampai 1. Perumusan dari fungsi ini adalah sebagai berikut:

 

sekian cerita kali ini semoga bermanfaat untuk kalian semua, sampai jumpa dicerita saya selanjutnya.^^

source : sutikno.blog.undip.ac.id

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :