STT PLN dan HIMAKA STT PLN

Sekolah Tinggi Teknik - PLN


Himpunan Mahasiswa Teknik Informatika STT PLN

Komentar

Posting Komentar

Postingan populer dari blog ini

Model Hebb

Gambar
Penjelasan Model Hebb Model Hebb Diusulkan oleh Donald Olding Hebb pada th 1949. Metode pengembangan dari metode McCulloch-Pitts. Model Hebb Menentukan bobot dan bias secara analitik (manual). Pembelajaran dilakukan dengan memperbaiki nilai bobot secara continue. Langkah-langkah Model Hebb: 1.Inisialisasi semua bobot = Wi = 0 (i=1,..,n) 2.Untuk semua vektor input s dan unit target t, lakukan : Set aktivasi unit masukan Xi = Si (i=1,..,n) Set aktivasi unit keluaran y = t Perbaiki bobot menurut persamaan Wi (baru) = Wi(lama)+∆W ∆W = Xi.y Perbaiki bias menurut persamaan : b(baru) = b(lama)+y
Baca selengkapnya

Model Perceptron

Gambar
Pengertian Model Perceptron Salah satu metode yang termasuk dalam struktur feedforward adalah Perceptron. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear dan algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran(Kusumadewi,2004). Pada jaringan syaraf perceptron semua input bersifat tidak saling tergantung (Independent) dan setiap bobot input mempengaruhi salah satu dari output. Learning Rule Perceptron • Aturan Kesalahan dalam sinyal kesalahan pada Perceptron dinyatakan sebagai berikut : e = t – y Dimana : Jika e = 1, makawbaru = wlama + x Jika e = -1, makawbaru = wlama – x Jika e = 0, makawbaru = wlama Keterangan variable – variable : e = error t = target x = input y = output w = bobot
Baca selengkapnya

Arsitektur Jaringan Syaraf Tiruan

Gambar
Neural Network Neural Network terdiri atas elemen-elemen untuk pemrosesan informasiyang disebut dengan neuron, unit, sel atau node. Setiap neuron dihubungkan dengan neuron lainnya dengan suatuconnection link, yang direpresentasikan dengan weight/bobot. Metode untuk menentukan nilai weight disebut dengan training, learning, atau algoritma. Setiap neuron menggunakan fungsi aktivasi pada net input untuk menentukan prediksi output. Neuron-neuron dalam neural network disusun dalam grup, yang disebut dengan layer (lapis). Susunan neuron-neuron dalam lapis dan pola koneksi didalam dan antar lapis disebut dengan arsitektur jaringan. Lapisan Yang Membentuk Neural Network 1. Lapisan Input Unit-unit di lapisan input disebut unit-unit input. Unit-unit input tersebut menerima pola inputan dari luar yang menggambarkan suatu permasalahan. Banyaknya node atau neuron dalam lapis input tergantung pada banyaknya input dalam model dan setiap input menentukan satu neuron. 2. Lapisan tersembunyi (hid...
Baca selengkapnya