Konsep Dasar Algoritma Perceptron

(Pertemuan 9 Machinelearning)

Halo sobat cerita udah lama nggak update nih, kali ini bakalan sharing ilmu tentang algoritma perceptron yang merupakan ilmu dari Neural Network nih gais, so penasaran? langsung kita mulai

Untuk tahap awal apa sih itu Neural Network? Neural Network adalah model yang terinspirasi oleh bagaimana neuron dalam otak manusia bekerja. Tiap neuron pada otak manusia saling berhubungan dan informasi mengalir pada setiap neuron tersebut

Gambar 1.0 Struktur Dasar Neural Network 

Aktivation Function

dalam model algoritma perceptron terdapat aktivation function yang didalamnya berfungsi untuk menentukan apakah neuron tersebut harus "aktif" atau "tidak-aktif". hal tersebut didasaeai oleh weighted sum dari input. Secar umum terdapat 2 jenis activation function, Linear dan Non-Linear Activation Function.

a. Linear Function merupakan fitur "default" dari activation  function. jika sebuah neuron menggunakan linear function, maka keluaran dari neuron tersebut adalah weighted sum dari input + bias

Gambar 2.0 Kurva Linear Function

b. Sigmoid & Tanh Function merupakan opsi selain linear function. Sigmoid function mempunyai rentang antara 0 hingga 1 sedangkan rentang Tanh aalah -1 hingga 1. Kedua fungsi ini biasanya digunakan untuk klasifikasi 2 class atau kelompok data

Gambar 2.1 Kurva Sigmoid dan Tanh

c. ReLu (Non Linear) kebalikannya dari linear actiovation, dalam ReLu ini meakukan "treshold" dari 0 hingga tak terbatas/infinty

Gambar 2.2 Kurva ReLu (Non Linear)

Algoritma Perception

Model Perceptron adalah model jaringan yang terdiri dari beberapa unit masukan (ditambah denfan sebuah bias), an memiliki sebuah unit keluaran. Fungsi aktivasi dalam perception tidak hanya berupa fungsi biner 0 dan 1. melainkan berupa bipolar dengan 1, 0 dan -1. untuk harga 1 treshold yang ditentukan :

Tahapan Algoritma :

1. Inisialisasi semua bobot dan bias (umumnya wi = b =0). tetapi untuk ini tergantuk user ingin menentukan bias berapa untuk training data nantinya
2. Selama ada element vektor masukan yang respon unit keluarannya tidak sama dengan target, lakukan:
1. Set aktivasi unit masukkan xi = Si(i=1, 2, 3..., n)
2. Hitung respon unit keluaran :
   
   
3. Perbaiki bobot pola yang mengandung kesalahan menurut persamaan
4. Ulangi iterasi sampai perubahan bobot (Δwn=0) tidak ada