Model JST yang digunakan oleh McP
merupakan model yang pertama ditemukan. Model neuron McP memiliki karakteristik
sbb:
a. Fungsi aktivasinya biner
b. Semua garis yang
memperkuat sinyal (bobot positif) ke arah suatu neuron memiliki kekuatan (besar
bobot) yang sama. Hal yang sama untuk garis yang memperlemah sinyal (bobot
negatif) ke arah neuron tertentu
c. Setiap neuron memiliki
bata ambang (threshold) yang sama. Apabila total input ke neuron tersebut
melebihi threshold, maka neuron akan meneruskan sinyal
Neuron Y menerima sinyal dari (n+m) buah neuron x1 x2, …..xn, xn+1, ….xn+m
n buah penghubung dengan dari x1 x2, …..xn ke Y
merupakan garis yang memperkuat sinyal (robot positif), sedangkan m buah
penghubung dari xn+1, ….xn+m ke Y merupakan garis yang memperlemah
sinyal (robot negatif).
Semua penghubung dari x1 x2, …..xn ke Y
memiliki robot yang sama. Hal yang sama dengan penghubung dari xn+1, ….xn+m ke Y
memiliki bobot yang sama. Namun jika ada neuron lain katakan Y2, maka bobot x1 ke Y1 boleh
berbeda dengan bobot dari x2 ke Y2.
Fungsi aktivasi neuron Y adalah
Bobot tiap garis tidak ditentukan dengan proses pelatihan, tetapi
dengan metode analitik ( dan coba-2). Beberapa contoh berikut memaparkan
bagaiman neuron McP digunakan untuk memodelkan fungsi logika sederhana.
Contoh:
Fungsi logika ”AND” dengan 2 masukan x1 dan x2 akan
memiliki keluaran Y =1 jika dan hanya jika kedua masukan bernilai 1.
Buatlah model neuron McP untuk menyatakan fungsi logika AND
Penyelesaian
Model neuron fungsi AND tampak pada gambar di bawah ini. Robot
tiap garis adalah = 1 dan fungsi aktivasi memiliki nilai threshold = 2
Untuk semua kemungkinan masukan, nilai aktivasi tampak pada tabel
berikut:
Tampak bahwa keluaran jaringan tepat sama dengan tabel logika AND.
Berarti jaringan dapat dengan tepat merepresentasika fungsi AND
Besarnya nilai threshold dapat diganti menjadi suati bias dengan
nilai yang sama. Dengan menggunakan nilai bias, batas garis pemisah ditentukan
dari persamaan
0 komentar:
Posting Komentar