Metode Adaline Adaline merupakan singkatan dari Adaptive Linear Neuron.

Metode ini lebih kepada menggunakan fungsi transfer linier daripada hard-limiting, yakni pembatasan ketat terhadap suatu masalah. Dengan demikian, keluarannya bisa beragam (perseptron hanya 0 atau 1). Metode ini juga merespons perubahan lingkungannya pada saat beroperasi. Adaline memiliki decision boundary (batasan keputusan) yang ditentukan oleh vektor-vektor input yang menghasilkan input jaringan η bernilai 0. Dengan η = 0, diperoleh persamaan Wp + b = 0, yang akan menghasilkan decision boundary sbb. :

Algoritma Adaline adalah sebagai berikut: 1. Inisialisasi semua bobot dan bias ( umumnya wi = b = 0 ) Set laju pembelajaran α ( untuk penyederhanaan set α = 0,1 ) Tentukan toleransi kesalahan yang diijinkan 2. Selama maxi Δwi > batas toleransi, lakukan : a. Set aktivasi unit masukan xi = si (i = 1,..,n) b. Hitung respon unit keluaran: net = ixi wi+ b y = f(net) = net = ixi wi+ b c. Perbaiki bobot pola yang mengandung kesalahan ( y ≠ t ) menurut persamaan: wi(baru) = wi(lama) + α ( t – y ) xi b (baru) = b (lama) + α ( t-y ) Setelah proses pelatihan selesai, Adaline dapat dipakai untuk pengenalan pola. Untuk itu, umumnya dipakai fungsit hre sho ld bipolar (meskipun tidak menutup kemungkinan digunakan bentuk lainnya). Caranya adalah sebagai berikut : 1. Inisialisasi semua bobot dan bias dengan bobot dan bias hasil pelatihan. 2. Untuk setiap input masukan bipolar xi, lakukan: a. Set aktivasi unit masukan xi = si (i = 1,..,n) b. Hitung net vektor keluaran: net = ixi wi+ bc. c. Kenakan fungsi aktivasi 1jika net > 0 y = f(net) =

Cakra Ramadhana – 2SI - 0910117262407

1jika net < 0 Cakra Ramadhana – 2SI .0910117262407 .

Sign up to vote on this title
UsefulNot useful