Perceptron

Sebelum membahas soal Perceptron, terlebih dahulu kita lihat asal usul ditemukan nya perceptron itu,
Dimana pada tahun (1962) Rosenblatt menemukan model jaringan perceptron, dan pada (1969) di sempurnakan oleh Minsky-Papert.

Arsitektur Jaringan
Arsitektur Jaringan perceptron mirip denganarsitektur jaringan Hebb.

 

Jaringan terdiri dari beberapa unit masukan (ditambah sebuah bias), dan memiliki unit keluaran. Sedangkan untuk fungsi aktivasi bukan merupakan fungsi biner (bipolar), kemungkinan memiliki nilai -1, 0 atau 1.

Algoritma pelatihan perceptron :

1. Inisialisasi semua bobot dan bias (umunya wi = b = 0). Tentukan laju pemahaman (= alpha), untuk penyederhanaan alpha diberi nilai 1.Hitung
2. Selama ada elemen vektor,masukan unit keluaran nya tidak sama dengan target, lakukan : 

• Set aktivasi unit masukan xi = si  (i = 1,...,n) 
• respon unit keluaran : net = sigma xi wi +b

3. Perbaiki bobot polayang mengandung kesalahan (y tidak sama t)

Algoritma perceptron lebih baik dibanding model Hebb karena :

1. Setiap sebuah pola dimasukkan, hasil keluaran jaringan dibandingkan dengan target yang sesungguhnya. Jika berbeda, maka akan dimodifikasi.
2. Modifikasi tidak hanya ditentukan oleh perkalian antara target dengan masukan, tapi juga melibatkan suatu laju pemahaman, (yang besarnya bisa diatur)
3. Pelatihan dilakukan berulang ulang untuk semua kemungkinan pola yang ada (di tandai dengan samanya semua keluaran jaringan yang di ingin kan). 

Satu siklus pelatihan melibatkan semua pola disebut epoch. Dalam jaringan Hebb, pelatihan hanya dilakukan dalam satu epoch saja.  Teorema konvergensi perceptron menyatakan bahwa apabila ada bobot yang tepat, maka proses pelatihan akan konvergen ke bobot yang tepat.

Pengenalan Pola Karakter
Perceptron dapat juga dipakia untuk mengenali pola karakter. Dengan berbagai pola masukan yang mnyerupai huruf-huruf alphabeth.

Pengenalan Beberapa Pola Karakter
Dalam Pengenalan Pola karakter dapat dimisalkan "A" atau bukan "A", "B" atau bukan "B", dan seterusnya.
Cara tersebut dapat dilakukan dengan cara menggabungkan beberapa model perceptron.

Setiap unit masukan dihubungkan dengan setiap unit target. unit penghubung dari unit xi ke yi adalah wji.