Professional Documents
Culture Documents
Input signals
1
x1
2 1 2 i
y1 y2
x2
xi
wij
wjk
yk
m n
yl
Output layer
Backpropagation
ALGORITMA BACKPROPAGATION
Langkah 1 : Inisialisasi bobot dengan bilangan nilai acak kecil Langkah 2 : Selama kondisi berhenti salah, kerjakan langkah 3 s.d. 8 Umpan Maju (Feedforward) Langkah 3 : Tiap unit masukan (xi, i=1,..,n) menerima isyarat masukan xi dan diteruskan ke unit-unit tersembunyi (hidden layer) Langkah 4 : Tiap unit tersembunyi (zj , z=1,.,p) menjumlahkan bobot sinyal input.
Z _ in jk = v 0 j + xi vij
i =1
misal, fungsi aktivasi yang digunakan adalah sigmoid : 1 y = f ( x) = 1 + e x dan mengirimkan isyarat ini ke semua unit pada unit keluaran
Langkah 5 : Tiap unit keluaran (yk, k=1,..,m) menjumlahkan isyarat masukan berbobot
Y _ ink = w0 j + z j v jk
k =1 p
Langkah 6 : Tiap unit keluaran (yk, k=1,..,m) menerima pola pelatihan masukannya. Hitung galat (error) informasinya : k = (tk yk ) f ' ( y _ ink ) Hitung koreksi bobot dan biasnya : w jk = k x j
w0 k = k
Langkah 7 : Tiap unit tersembunyi (zj , z=1,.,p) menjumlahkan delta masukannya (dari unit-unit yang berada pada lapisan atasanya).
_ in j = k w jk
k =1
Backpropagation
Hitung galat (error) informasinya : j = _ in j f ( x _ in j ) Hitung koreksi bobot dan biasnya : vij = j xi
Perbaiki bobot dan bias
Langkah 8 : Tiap unit keluaran (yk, k=1,..,m) memperbaharui bobot dan bias ( j=0,1,..p) w jk (baru ) = w jk (lama ) + w jk Tiap unit tersembunyi (zj, z=1,.,p) memperbaharui bobot dan biasnya (i=0,1,..n) vij (baru ) = vij (lama) + vij Langkah 9 : Uji syarat berhenti