Days Stories

Berpacu menjadi yang terbaik

Fungsi Aktivasi NN (Neural Network)

31 March 2013 - dalam Umum Oleh irinrinrin-fst10

Tulisan berikut ini akan membahas tentang bagaimana neural network diaktifkan. Namun karena kuliah yang saya ikuti hanya sebentar jadi mungkin yang akan dibahas disini juga tidak banyak. :)

Pada tulisan sebelumnya sudah dijelaskan tentang apa itu neural network serta macam-macam pemodelan neural network. Sekarang kita akan membahas tentang bagaimana neural network tersebut diaktifkan. Neural network ini diaktifkan dengan suatu fungsi khusus (fungsi aktivasi) dimana fungsi ini menghubungkan input yang ada dan memprosesnya hingga menjadi suatu output yang diinginkan. Fungsi aktivasi ini mencerminkan kerja sinapsis dalam sistem saraf manusia. Berikut ini 3 macam fungsi aktivasi neural network.

 

1. Fungsi Linier

Fungsi linier ini dinyatakan dengan y = f(x). Dari fungsi ini, ada kemungkinan dimana nilai output sama dengan nilai inputnya.

Fungsi linier ini juga dapat dirumuskan dengan y = αx dimana α adalah kemiringan garis (slope).

 

2. Fungsi Threshold

Fungsi threshold atau fungsi tangga biner atau fungsi step merupakan fungsi aktivasi yang digunakan untuk konversi input dengan variabel kontinyu menjadi output yang bernilai biner (0 atau 1). Fungsi ini dapat dituliskan menjadi :

Dengan grafik sebagai berikut.

 

3. Fungsi Sigmoid

Fungsi ini merupakan fungsi non-linier yang paling banyak digunakan untuk aktivasi neural network. Fungsi ini ada dua macam, yaitu fungsi sigmoid biner dan fungsi sigmoid bipolar. Untuk fungsi sigmoid biner, persamaan fungsinya adalah :

Sedangkan untuk fungsi sigmoid bipolar persamaan fungsinya adalah :

Grafik yang dibentuk dari persamaan tersebut sebagai berikut.

Gambar 1. Grafik Sigmoid Biner

Gambar 2. Grafik Sigmoid Bipolar

 

Demikian macam-macam fungsi aktivasi yang biasa digunakan untuk mengaktifkan suatu neural network. Semoga tulisan ini bermanfaat untuk semua yang membacanya.. ^^



Read More | Respon : 0 komentar

Tinggalkan Komentar

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