8.5. Training of Grossberg Layers

Kita mengamati bahwa lapisan Grossberg dilatih untuk berkumpul dengan  (T) output yang diinginkan, sedangkan lapisan Kohonen dilatih untuk berkumpul dengan input rata-rata. Oleh karena itu, lapisan Kohonen dasarnya adalah pra-classifier untuk memperhitungkan input tidak sempurna, lapisan Kohonen yang tanpa pengawasan sedangkan lapisan Grossberg.
Jika vektor sasaran m Tj (dimensi p) secara simultan diterapkan pada m × p output pada sisi output dari lapisan Grossberg untuk memetakan Grossberg kemudian setiap set p Grossberg neuron akan berkumpul untuk input sasaran yang tepat, mengingat x masukan terdekat yang diterapkan pada masukan lapisan Kohonen pada saat itu. Syarat Counter-Propagasi (CP) adalah karena dari masukan dan target aplikasi ini pada setiap jaringan mengakhiri.
 

[Kembali]

Komentar

Posting Komentar

Postingan populer dari blog ini

MUTS

Gambar
A. Latar Belakang Indonesia merupakan salah satu negara dengan keanekaragaman tanaman yang cukup tinggi. Keanekaragaman tanaman tersebut merupakan satu tantangan dalam melakukan identifikasi. Identifikasi tanaman dapat dilakukan berdasarkan buah, bunga, maupun daun. Identifikasi berdasarkan daun merupakan identifikasi yang lebih mudah dilakukan karena daun akan ada sepanjang masa, sedangkan buah dan bunga hanya ada pada waktu tertentu. B. Rumusan Masalah Permasalahan yang diangkat pada penelitian ini dititik beratkan pada pengklasifikasian daun menggunakan algoritma Jaringan Syaraf Tiruan.   C. Tujuan Penelitian Tujuan dari penelitian ini adalah untuk melakukan klasifikasi citra daun menggunakan algoritma Jaringan Syaraf Tiruan.   D. Tinjauan Pustaka A. Segmentasi Citra Dalam pengolahan citra, terkadang kita menginginkan pengolahan hanya pada obyek tertentu. Oleh sebab itu, perlu dilakukan proses segmentasi citra yang bertujuan untuk memisahkan antara...
Baca selengkapnya

UAS (Metode Penelitian)

Gambar
Penelitian dilakukan dalam beberapa tahap yaitu: proses pengambilan data, proses pengolahan citra, proses pelatihan JST, dan proses pengujian. Proses pengambilan data hingga pada proses pelatihan jaringan sajikan pada gambar 3. Proses pengolahan gambar sidik jari diawali dengan pengambilan sidik jari.  Gambar sidik jari diambil dengan menggunakan tinta stempel, lalu ditempelkan pada kertas yang memiliki permukaan rata dan tidak menyerap tinta stempel, agar gambar tidak terhambur. Sebelum gambar diidentifikasi di dalam jaringan saraf tiruan, terlebih dahulu gambar harus melewati beberapa langkah pengolahan yang antara lain adalah seperti yang terlihat dalam gambar berikut Penentuan derajat keabuan dilakukan dengan mengubah piksel-piksel gambar ke dalam bentuk numerik. Nilai dari derajat abuan itu sendiri berkisar antara 0 sampai 255. Setelah menentukan derajat keabuan, gambar tersebut kemudian difilter untuk mendapatkan gambar yang lebih halus. ...
Baca selengkapnya

7.3. Setting of Weights in Hopfield Nets | Bidirectional Associative Memory (BAM) Principle

Gambar
Jaringan hopfield menerapkan prinsip BAM (Bidirectional Associative Memory). Ini berarti bahwa bobot jaringan 'ditetapkan untuk memenuhi asosiatif dua arah prinsip memori; sebagai pertama diusulkan oleh Longuett-Higgins (1968) dan juga oleh Cooper (1973) dan Kohonen (1977) dalam kaitannya dengan struktur lainnya, sebagai berikut: dimana W adalah matriks berat untuk koneksi antara x dan elemen vektor y. Ini interkoneksi disebut sebagai jaringan asosiatif. Secara khusus, ketika y i = x i , maka koneksi disebut sebagai autoassociative, yaitu Such that if the input xi are orthonormal, namely if then: untuk mengambil x i . Pengaturan ini disebut BAM karena semua x i yang terkait dengan bobot W yang diambil sedangkan yang lain tidak (menghasilkan nol output). Mengamati bahwa di atas menyiratkan bahwa W berfungsi sebagai memori yang akan memungkinkan jaringan vektor input yang sama seperti yang tergabung dalam W. Struktur terakhir dapat digunakan untuk merekonstruks...
Baca selengkapnya