2. Hebbi Rule atau yang biasa dikenal dengan Hebb Rule (1949)
adalah metode pembelajaran yang paling sederhana.
Pembelajaran dilakukan dengan cara memperbaiki nilai
bobot.
Pembelajaran Hebb Rule termasuk supervised
Apabila data direpresentasikan secara Bipolar dengan
supervised, maka perbaikan bobotnya adalah :
HEBB RULE : DESKRIPSI
𝑤𝑖 𝑏𝑎𝑟𝑢 = 𝑤𝑖 𝑙𝑎𝑚𝑎 + 𝑥𝑖 𝑦
3. Inisialisasi semua bobot :
Setiap pasangan input-output (s-t), lakukan langkah sebagai
berikut :
Set input dengan nilai sama dengan vektor input :
Set output dengan nilai sama dengan vektor output
Perbaiki bobot:
ALGORITMA
𝑤𝑖𝑗 = 0; 𝑑𝑒𝑛𝑔𝑎𝑛 𝑖 = 1,2,3 … , 𝑛; 𝑑𝑎𝑛 𝑗 = 1,2,3, … , 𝑚
𝑥𝑖 = 𝑠𝑖; (𝑖 = 1,2,3, … , 𝑛)
𝑦𝑗 = 𝑡𝑗; (𝑗 = 1,2,3, … , 𝑚)
𝑤𝑖𝑗 𝑏𝑎𝑟𝑢 = 𝑤𝑖𝑗 𝑙𝑎𝑚𝑎 + 𝑤𝑖 𝑦𝑗 ;
𝑖 = 1,2,3, … , 𝑛 𝑑𝑎𝑛 (𝑗 = 1,2,3, … , 𝑚)
4. Membuat jaringan saraf untuk melakukan pembelajaran
terhadap fungsi OR dengan input dan target bipolar
supervised sebagai berikut :
Bobot awal dan bobot bias diset = 0
CONTOH : PEMBELAJARAN LOGIKA OR
X1 X2 B TARGET
-1 -1 1 -1
-1 1 1 1
1 -1 1 1
1 1 1 1
7. Bentuk output :
Jika diberikan inputan x = [0,2 0,9] maka, hasilnya adalah :
Karena nilai y_in=2,4 maka hasil setelah dilakukan melalui
fungsi aktivasi f(y_in) = f(2,4)= 1
HASIL TRAINING
𝑦_𝑖𝑛 = 𝑏 + 𝑥𝑖 𝑤𝑖 + (𝑥𝑗 𝑤𝑗)
𝑦_𝑖𝑛 = 2 + 0,2 ∗ 2 + 0,9 ∗ 2 = 2,4
8. Delta rule akan mengubah bobot yang menghubungkan
jaringan input ke unit output (y_in) dengan nilai target (t).
Delta rule digunakan untuk meminimalkan error selama
pelatihan pola.
Delta rule untuk memperbaiki bobot ke-i
Nilai w baru diperoleh dari nilai w lama ditambah dengan ∆𝑤
DELTA RULE : DESKRIPSI
∆𝑤𝑖 = 𝛼 𝑡 − 𝑦𝑖𝑛 ∗ 𝑥𝑖
dengan :
x = vektor input
y_in = input jaringan ke unit Y
𝑦_𝑖𝑛 = 𝑥𝑖 ∗ 𝑤𝑖
𝑛
𝑖=1
t = target (output)
∆𝑤𝑖 = 𝛼 𝑡 − 𝑦𝑖𝑛 ∗ 𝑥𝑖