Jaringan Hebb Fungsi Logika OR
Jaringan Hebb diperkenalkan oleh D.O. Hebb pada 1949 dengan menghitung bobot dan bias secara iteratif. Dasar algoritma Hebb apabila 2 neuron yang dihubungkan dengan sinapsis secara serentak menjadi aktif (sama-sama positif atau negatif) maka kekuatan sinapsisnya meningkat. Dan jika kedua neuron aktif secara tidak sinkron (satu positif dan satu negatif) kekuatan sinapsisnya akan melemah. Dalam setiap iterasi, bobot sinapsis dan bias diubah berdasarkan perkalian neuron-neuron di kedua sisinya.
Contoh Jaringan Hebb
Jaringan Hebb untuk menyatakan fungsi logika OR
Dengan representasi masukan dan keluaran yang dipakai adalah"
a. Masukan dan keluaran biner
b. Masukan biner dan keluaran bipolar
c. Masukan dan keluaran bipolar
Penyelesaian
A. Masukan dan Keluaran Biner
Tabel Masukan dan Target Fungsi Logika OR
| X1 | X2 | 1 | T |
| 1 | 1 | 1 | 1 |
| 1 | 0 | 1 | 1 |
| 0 | 1 | 1 | 1 |
| 0 | 0 | 1 | 0 |
| Masukan | Target | Perubahan Bobot | Bobot Baru | ||||||
| X1 | X2 | 1 | T | Δw1 | Δw2 | Δb | w1 | w2 | bias |
| 0 | 0 | 0 | |||||||
| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 1 | 0 | 1 | 1 | 1 | 0 | 1 | 2 | 1 | 2 |
| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 2 | 2 | 3 |
| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 2 | 2 | 3 |
| X1 | X2 | Net = Σ x1.w1 + b | y = f(net) = jika net ≥ 0 = 1, jika net < 0 = 0 |
| 1 | 1 | 1.2 + 1.2 + 3 = 7 | 1 |
| 1 | 0 | 1.2 + 0.2 + 3 = 5 | 1 |
| 0 | 1 | 0.2 + 1.2 + 3 = 5 | 1 |
| 0 | 0 | 0.2 + 0.2 + 3 = 3 | 1 |
B. Masukan Biner Keluaran Bipolar
| X1 | X2 | 1 | T |
| 1 | 1 | 1 | 1 |
| 1 | 0 | 1 | 1 |
| 0 | 1 | 1 | 1 |
| 0 | 0 | 1 | -1 |
| Masukan | Target | Perubahan Bobot | Bobot Baru | ||||||
| X1 | X2 | 1 | T | Δw1 | Δw2 | Δb | w1 | w2 | bias |
| 0 | 0 | 0 | |||||||
| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 1 | 0 | 1 | 1 | 1 | 0 | 1 | 2 | 1 | 2 |
| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 2 | 2 | 3 |
| 0 | 0 | 1 | -1 | 0 | 0 | -1 | 2 | 2 | 2 |
| X1 | X2 | Net = Σ x1.w1 + b | y = f(net) = jika net ≥ 0 = 1, jika net < 0 = -1 |
| 1 | 1 | 1.2 + 1.2 + 2 = 6 | 1 |
| 1 | 0 | 1.2 + 0.2 + 2 = 5 | 1 |
| 0 | 1 | 0.2 + 1.2 + 2 = 4 | 1 |
| 0 | 0 | 0.2 + 0.2 + 2 = 2 | 1 |
C. Masukan Dan Keluaran Bipolar
| X1 | X2 | 1 | T |
| 1 | 1 | 1 | 1 |
| 1 | -1 | 1 | 1 |
| -1 | 1 | 1 | 1 |
| -1 | -1 | 1 | -1 |
| Masukan | Target | Perubahan Bobot | Bobot Baru | ||||||
| X1 | X2 | 1 | T | Δw1 | Δw2 | Δb | w1 | w2 | bias |
| 0 | 0 | 0 | |||||||
| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 1 | -1 | 1 | 1 | 1 | -1 | 1 | 2 | 0 | 2 |
| -1 | 1 | 1 | 1 | -1 | 1 | 1 | 1 | 1 | 3 |
| -1 | -1 | 1 | -1 | -1 | -1 | -1 | 2 | 2 | 2 |
| X1 | X2 | Net = Σ x1.w1 + b | y = f(net) = jika net ≥ 0 = 1, jika net < 0 = -1 |
| 1 | 1 | 1.2 + 1.2 + 2 = 6 | 1 |
| 1 | -1 | 1.2 + -1.2 + 2 = 2 | 1 |
| -1 | 1 | -1.2 + 1.2 + 2 = 2 | 1 |
| -1 | -1 | -1.2 + -1.2 + 2 = -2 | -1 |
Demikian pembahasan tentang Jaringan Hebb untuk Logika OR sebagai referensi dalam menghadapi mata kuliah teknik Neuro Fuzzy. Selain logika OR simak juga penjelasan untuk jaringan Hebb fungsi logika AND.
0 komentar
Posting Komentar