annazigans

Pada Minggu ini saya ingin mengulas materi Praktikum yang Saya ikuti tentang Backpropogation. Backpropogation merupakan sebuah metode sistematik pada jaringan saraf tiruan dengan menggunakan algoritma pembelajaran yang terawasi. Sebuah pelatihan jenis terkontrol dimana menggunakan pola penyesuaian bobot untuk mencapai nilai kesalahan yang minimum antara keluaran hadil produksi dengan keluaran nyata.

Berikut Contoh Programnya

1. Buka Program Backpropogation, masuk kedalam pilihan menu Belajar, ubah Laju Belajar (Learn Rate) menjadi 0,1 kemudian ubah momentumnya menjadi 0,5 dan jumlah step/eksekusinya menjadi 500.

2. Selanjutnya pilih menu Bobot dan Bias lalu atur Reset ke Nol nya semua nilainya akan berubah menjadi nol,

3. Selanjutnya masih pada menu Bobot dan Bias setelah Reset ke Nol nya semua nilainya akan berubah menjadi nol, selanjutnya adalah memilih Acak Nilai Bobotnya dan nilai nol tersebut akan berubah total.

4. Selanjutnya masih pada menu Bobot dan Bias setelah Reset ke Nol nya semua nilainya akan berubah menjadi nol, memilih Acak Nilai Bobotnya dan nilai nol tersebut akan berubah total. Pilihan selanjutnya adalah Set sebagai nilai awal.

5. Selanjutnya balik ke menu Belajar lagi untuk mengatur multistepnya sebelumnya nilai #epochnya masih nol

6. Selanjutnya kita pilih multistepnya dan nilai epochnya akan berubah menjadi 401

7. Selanjutnya jika ingin melihat Grafik Fungsi Kesalahannya bisa memilih Menu Grafik.

Berikut hasil akhir nilai epoch dari Learn Rate 0,5 dan Momentum 0,9 belajarnya adalah 31

Momentum	0,5	0,6	0,7	0,8	0,9
Learn Rate
0,1	401	348	154	146	88
0,2	349	96	169	44	60
0,3	127	49	49	55	37
0,4	76	39	104	51	44
0,5	92	49	57	35	31

Diposting oleh annazigans di 11.23 | Label: PROLOG | Kirimkan Ini lewat Email BlogThis! Berbagi ke Twitter Berbagi ke Facebook |