AHSANUNNIDHOM

Berpacu menjadi yang terbaik

Backpropagation & aplikasi JST

diposting oleh ahsanunnidhom---fst10 pada 31 March 2013
di Umum - 0 komentar

Model Jaringan Syaraf Backpropagation

Pelatihan pada jaringan syaraf backpropagation, feedfoward (umpan maju) dilakukan dalam rangka perhitungan bobot sehingga pada akhir pelatihan akan diperoleh bobot-bobot yang baik. Selama proses pelatihan, bobot-bobot diatur secara iteratif untuk meminimumkan error (kesalahan) yang terjadi. Error (kesalahan) dihitung berdasarkan rata-rata kuadrat kesalahan (MSE). Rata-rata kuadrat kesalahan juga dijadikan dasar perhitungan unjuk kerja fungsi aktivasi. Sebagian besar pelatihan untuk jaringan feedfoward (umpan maju) menggunakan gradien dari fungsi aktivasi untuk menentukan bagaimana mengatur bobot-bobot dalam rangka meminimumkan kinerja. Gradien ini ditentukan dengan menggunakan suatu teknik yang disebut backpropagation.

Algoritma pelatihan standar backpropagation akan menggerakkan bobot dengan arah gradien negatif. Prinsip dasar dari algoritma backpropagation adalah memperbaiki bobot-bobot jaringan dengan arah yang membuat fungsi aktivasi menjadi turun dengan cepat.

Pelatihan backpropagation meliputi 3 tahapan sebagai berikut.

1. Propagasi maju.

Pola masukan dihitung maju mulai dari input layer hingga output layer menggunakan fungsi aktivasi yang ditentukan.

2. Propagasi mundur.

Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan yang terjadi itu dipropagasi mundur. Dimulai dari garis yang berhubungan langsung dengan unit-unit di output layer.

3. Perubahan bobot.

Modifikasi bobot untuk menurunkan kesalahan yang terjadi. Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian dipenuhi. (Puspaningrum, 2006)

Puspaningrum, D. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta : Andi Offset

aplikasi jaringan saraf tiruankali ini membahas tentang mendeteksi tanda tangan cara yang digunakan adalah dengan pengolahan citra.

Pengolahan citra adalah suatu metode yang digunakan untuk mengolah gambar sehingga menghasilkan gambar lain yang sesuai dengan kebutuhan. Pada pengolahan citra ini ada beberapa proses yang digunakan. Proses ini terdiri dari tiga bagian yang masing-masing dilakukan sebagai praproses pada keseluruhan program. Tiga bagian tersebut adalah segmentasi, pencarian batas tanda tangan (deteksi tepi), dan ekstraksi.

deteksi tepi adalah sejumlah tempat pada citra dengan intensitas kontras yang kuat. Tepi biasanya muncul pada lokasi citra yang merepresentasikan batasan obyek. Pendeteksi tepi Sobel menggunakan kernel konvolusi 3x3, satu mengestimasi gradien dalam arah x (kolom) dan yang lainnya mengestimasi gradien dalam arah y (baris). Kernel konvolusi biasanya lebih kecil dari citra aktual. Hasilnya, kernel dipasangkan pada citra, melakukan proses perkalian piksel-piksel. Kernel konvousi Sobel diperlihatkan pada Gambar berikut:

dalam suatu jaringan harus diberikan pelatihan agarmengenali proses serta ciri dari tanda tangan.

Proses pelatihan dimulai dengan menentukan bobot-bobot awal jaringan untuk neuron-neuron input ke lapisan tersembunyi. Selanjutnya neuron-neuron lapisan tersebunyi ke lapisan keluaran. Pada aplikasi yang dikembangkan, parameter-parameter JST didefinisikan sebagai berikut:

target error (goal)                 =  0,1

momentum                           =  0,95

maksimum iterasi (epoch) =  5000

 Agar memiliki pengetahuan yang cukup, jaringan syaraf tiruan perlu diberikan data-data yang akan dilatih berupa ciri-ciri tanda tangan dari setiap gambar tanda tangan.

 

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :