Dokumen tersebut berisi soal ujian mengenai jaringan syaraf tiruan yang terdiri dari 3 pertanyaan. Pertanyaan pertama meminta penjelasan dan gambaran mengenai jenis-jenis jaringan syaraf tiruan seperti single layer net, multi layer net, dan competitive layer net. Pertanyaan kedua meminta sebutkan dan jelaskan 7 fungsi aktivasi. Pertanyaan ketiga meminta penjelasan dan contoh mengenai single perceptron dan multi perceptron.
1. Soal Ujian Quis
Nama : Nurina Sianturi
Nim : 14110309
Kelas : SI-P1401
NB : Jawaban kirimkan lagi melalui group telegram paling lambat tanggal :
24 April 2017.
1. Jelaskan dan gambarkan apa yang di maksud dengan:
a. Single Layer Net
b. Multi Layer Net
c. Competitive Layer Net
2. Sebutkan dan jelaskan 7 Fungsi Aktivasi!
3. Jelaskan dan berikan contoh dari:
a. Single Perceptro
b. Multi Perceptron
Jawab:
1.
a) Single Layer Net
Susunan jaringan single layer, neuron-neuron yang dapat dikelompokkan menjadi
dua bagian, yaitu unit-unit input dan unit-unit output. Unit-unit input menerima
masukan dari luar sedangkan unit-unit output akan mengeluarkan respon dari
jaringan sesuai dengan masukannya.
b). Multi Layer Net
Susunan jaringan multilayer, selain ada unit-unit input dan unit-unit output, juga
terdapat unit-unit tersembunyi (hidden layer). Jumlah unit hidden tergantung pada
kebutuhan. Semakin kompleks jaringan, unit hidden yang dibutuhkan makin
banyak, demikian pula jumlah layernya
2. c). Competitive Layer Net
Hanya memiliki 1 lapisan dengan bobot-bobot terhubung. Jaringan ini hanya
menerima input kemudian secara langsung akan mengolahnya menjadi output
tanpa harus melalui lapisan tersembunyi.
2. Fungsi Aktivasi
1. Fungsi undak biner (hard limit)
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak untuk
mengkonversikan input dari suatu variable yang bernilai kontinu ke suatu
output biner (0 atau 1).
2. Fungsi bipolar (symetric hard limit)
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner, hanya
saja output yang dihasilkan berupa 1, 0 atau -1.
3. 3. Fungsi bipolar dengan threshold
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner dengan
threshold, hanya saja output yang dihasilkan berupa 1, 0 atau -1.
4. Fungsi linear (identitas)
Fungsi linear memiliki nilai output yang sama dengan nilai inputnya.
5. Fungsi saturating linear
Fungsi ini akan bernilai 0 jika inputnya kurang dari – 1/2 dan akan bernilai
1 jika inputnya lebih dari 1/2. Sedangkan jika nilai input terletak antara -
1/2 dan 1/2, maka outputnya akan bernilai sama dengan nilai input
ditambah 1/2.
6. Fungsi simetric saturating linear
Fungsi ini akan bernilai -1 jika inputnya kurang dari -1 dan akan bernilai 1
jika inputnya lebih dari 1. Sedangkan jika nilai input terletak antara -1 dan
1 maka outputnya akan bernilai sama dengan nilai inputnya.
7. Fungsi sigmoid biner
Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan
menggunakan metode backpropagation. Fungsi sigmoid biner memiliki
nilai pada range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan
untuk jaringan syaraf yang membutuhkan nilai output yang terletak pada
interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan
syaraf yang nilai outputnya 0 atau 1.
3.Penjelasan dari
a. Single Peceptron
Jaringan lapis tunggal perceptron(single layer perceptron) terdiri dari beberapa
unit pemroses(neuron), yang terhubung dan mempunyai beberapa masukan serta
sebuah atau beberapa keluaran.
b. Multi perceptron
Multi Perceptron adalah jaringan syaraf tiruan feed-forward yang terdiri dari
sejumlah neuron yang dihubungkan oleh bobot-bobot penghubung.