Chapter 10



10.1. Background of theCognitron
10.2.The Basic Principles of the Cognitron
10.3. Network Operation
10.4.Cognitron’s Network Training
10.5.The Neocognitron 

[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

6.A. Back Propagation Case Study: Character Recognition

Gambar
a.       Pengenalan Permasalahan yang akan dipecahkan kali ini adalah masalah pengenalan karakter sederhana menggunakan jaringan perceptrons dengan prosedur pembelajaran back propagation. Tugas kita adalah mengajarkan jaringan saraf untuk mengenali 3 karakter, yaitu, untuk memetakan mereka untuk masing-masing pasangan {0,1}, {1,0} dan {1,1}. Dan diharapkan jaringan menghasilkan sinyal error {0,0} dalam menanggapi karakter lain. b.       Desain Jaringan -           Struktur Jaringan saraf dari desain ini terdiri dari tiga lapisan dengan 2 neuron masing-masing, satu lapisan output dan dua lapisan tersembunyi. Ada 36 masukan ke jaringan. Dalam kasus ini fungsi sigmoid: dipilih sebagai fungsi aktivasi neuron nonlinear. hal Bias (sama dengan 1) dengan bobot dilatih juga dimasukkan dalam struktur jaringan. Diagram struktural dari jaringan saraf yang diberikan pada Gambar. 6.A.1. ...
Baca selengkapnya

4.3. The Limitations of the Single-Layer Perceptron

Gambar
Pada tahun 1969, Minsky dan Papert menerbitkan sebuah buku di mana mereka menunjukkan seperti yang dilakukan E. B. Derek pada tahun 1965 dalam sebuah buku yang kurang dikenal, dengan keterbatasan dalam kemampuan dari perceptron, seperti terbukti dengan teorema perwakilannya. Mereka telah menunjukkan bahwa, misalnya, perceptron tidak bisa memecahkan Or (XOR) Masalah [(x1 ∪ x2) ∩ (X1 ∪ X2)], atau pelengkap nya, kontradiksi masalah 2-state (XNOR). Pada single-layer pengklasifikasi tidak bisa memecahkan. Begitu banyak sehingga, bahwa untuk satu lapisan jaringan saraf dengan peningkatan jumlah input, jumlah masalah yang dapat diklasifikasikan menjadi sebagian kecildari totalitas masalah yang dapat dirumuskan. Secara khusus, neuron dengan input biner dapat memiliki pola masukan 2n yang berbeda.Karena setiap pola input dapat menghasilkan 2 output biner yang berbeda, maka ada 22nfungsi yang berbeda dari n variabel. Jumlah masalah yang terpisah secara linear dari n input biner Namun sebag...
Baca selengkapnya