Seputar Ilmu

Algoritma Learning Vector Quantization perhitungan manual. Berikut ini contoh data yang akan kita hitung. No X1 X2 X3 X4 target 1 0 1 1 0 0 2 0 0 1 1 1 3 1 1 1 1 0 4 1 0 0 1 1 pada contoh di atas, saya menggunakan 4 data sebagai data training beserta target yang bertujuan untuk mendapatkan bobot yang akan digunakan pada proses klasifikasi. Bobot awal adalah { 1, 1, 1, 0} dan { 1, 0, 1, 1} dengan learning rate 0,05 dengan fungsi pembelajaran = 0,1. Pelatihan Iterasi ke 1 1. Data ke 1 { 0, 1, 1, 0} dengan target 0, bobot = {{ 1, 1, 1, 0},{ 1, 0, 1, 1}}      - menghitung bobot untuk masing masing output :          kelas 0 = sqrt(((0-1)^2)+((1-1)^2)+((1-1)^2)+((0-0)^2)) = 1         kelas 1 = sqrt(((0-1)^2)+((1-0)^2)+((1-1)^2)+((0-1)^2)) = 1.732050807...

Learning Vector Quantization (LVQ) adalah sebuah metode klasifikasi dimana setiap unit output mempresentasikan sebuah kelas. LVQ digunakan untuk pengelompokkan dimana jumlah kelompok sudah ditentukan arsitekturnya (target/kelas sudah ditentukan). LVQ salah satu jaringan syaraf tiruan yang merupakan algoritma pembelajaran kompetitif terawasi versi dari algoritma Kohonen Self-Organizing Map (SOM). Tujuan dari algoritma ini adalah untuk mendekati distribusi kelas vektor  untuk meminimalkan kesalahan dalam pengklasifikasian. Algoritma diusulkan oleh Kohonen pada tahun 1986 sebagai perbaikan dari Vector Quantization. Model pembelajaran LVQ dilatih secara signifikan agar lebih cepat dibandingkan algoritma lain seperti Back Propagation Neural Network. Hal ini dapat meringkas atau mengurangi dataset besar untuk sejumlah kecil vektor. Arsitektur LVQ seperti pada gambar berikut: Adapun Langkah langkah LVQ sebagai berikut: Tetapkan: bobot(W), maksimum epoch (MaxEpoch), error minimum yang diha...

     Selamat malam pemirsa, jumpa lagi malam ini dengan saya. Mumpung lagi lumayan free hari ini, saya mau lanjutin tulisan saya sebelumnya tentang algoritma voted-perceptron. Kalo kemarin udah bahas tentang algoritma dan contoh perhitungan manualnya, kali ini saya mau lanjutin tentang contoh program sederhana menggunakan bahasa php. Langsung cekidot... Persiapan Data      Data yang akan saya pakai kali ini data logika AND yang juga saya pakai di tulisan saya sebelumnya. $data = array( array(1,1), array(1,-1), array(-1,1), array(-1,-1) ); // data latih $label = array(1,-1,-1,-1); // target label data latih Class voted perceptron      Pertama kita buat class voted-perceptron yang digunakan untuk implementasi algoritma voted perceptron. class Voted_perceptron{ } Pelatihan      Berikut adalah fungsi yang dibuat untuk melakukan pelatihan data training untuk mendapatkan nilai v, c, dan k. func...

      Menyambung tulisan saya sebelumnya tentang voted perceptron, kali ini saya akan memberi contoh perhitungan manual algoritma voted perceptron. algoritma terdiri dari dua tahap yaitu tahap pelatihan atau training dan tahap klasifikasi. Proses Training        Berikut ini adalah proses pelatihan untuk mencari nilai vektor perceptron v dan bobot c yang akan digunakan dalam proses klasifikasi. Pada proses pelatihan ini, parameter yang perlu di masukkan adalah vektor perceptron awal v_1 = {0, 0} , Treshold T = 1,k = 1,dan bobot c = 0. Di bawah adalah data logika AND yang akan di gunakan untuk data latih.  Data yang pertama x = {1, 1} target = 1 kemudian di hitung dot product dari vektor input x dan vektor perceptron v y_in = (x_1 *v_1)+(x_2 * v_1)        = (1*0)+(1*0) = 0 dari y_in tersebut di masukkan ke dalam fungsi aktivasi dengan treshold T = 1 y = sign(...