Artificial Neural Network (Part 1)
45 Questions
1 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Apa yang menjadi jalur utama informasi dalam neuron biologis?

  • Melalui sinapsis
  • Melalui badan sel
  • Dari dendrites ke axon (correct)
  • Dari axon ke dendrites

    • Apa fungsi dari sinapsis dalam neuron?

  • Mengatur kekuatan sinyal input
  • Menyimpan informasi neural
  • Mengangkut informasi dari satu neuron ke neuron lain (correct)
  • Menjadi bagian dari badan sel

    • Apa yang dimaksud dengan perceptron dalam konteks jaringan saraf buatan?

  • Model matematis dari neuron sederhana (correct)
  • Sistem yang tidak melibatkan iterasi
  • Fungsi perceptron yang tidak terlatih
  • Jaringan neuron biologis yang kompleks

    • Apa yang membuat sinapsis bervariasi dalam kekuatan?

    <p>Pengalaman dan pembelajaran neuron</p> Signup and view all the answers

    Apa yang dimaksud dengan 'gradient descent' dalam kontek neuron tanpa ambang?

    <p>Strategi untuk mencari solusi optimum</p> Signup and view all the answers

    Apa jenis neuron yang menerima input eksternal dari luar jaringan?

    <p>Input neuron</p> Signup and view all the answers

    Berapa jumlah neuron yang dapat dimiliki oleh manusia?

    <p>10 miliar</p> Signup and view all the answers

    Apa yang tidak termasuk dalam karakteristik masalah yang sesuai untuk ANN?

    <p>Waktu pelatihan yang singkat</p> Signup and view all the answers

    Apa yang dimaksud dengan topologi dalam konteks ANN?

    <p>Struktur dan arsitektur</p> Signup and view all the answers

    Apa yang dimaksud dengan fungsi parameter pada neuron buatan?

    <p>Memiliki rentang keluaran terbatas</p> Signup and view all the answers

    Berapa waktu peralihan antara neuron?

    <p>0,001 detik</p> Signup and view all the answers

    Apa yang paling tepat untuk menggambarkan output neuron dalam ANN?

    <p>Dapat bervariasi antara diskrit dan real</p> Signup and view all the answers

    Apa tipe neuron yang tidak memiliki interaksi langsung dengan dunia luar?

    <p>Hidden neuron</p> Signup and view all the answers

    Apa yang diwakili oleh perceptron dalam ruang n-dimensi?

    <p>Permukaan keputusan hyperplane</p> Signup and view all the answers

    Apa yang menentukan keluaran dalam perceptron?

    <p>Fungsi aktivasi</p> Signup and view all the answers

    Dalam fungsi m-of-n, berapa nilai m pada fungsi OR?

    <p>1</p> Signup and view all the answers

    Apa yang harus terjadi agar keluaran dari m-of-n function bernilai benar?

    <p>Paling sedikit m dari n input dinyatakan benar</p> Signup and view all the answers

    Apa yang dimaksud dengan learning output pada perceptron?

    <p>Vektor bobot</p> Signup and view all the answers

    Pada komponen input perceptron, apa yang ditambahkan sebagai bias?

    <p>Nilai X0 = 1</p> Signup and view all the answers

    Konfigurasi bobot pada m-of-n function harus ...

    <p>Diberikan nilai yang sama</p> Signup and view all the answers

    Jenis fungsi aktivasi apa yang digunakan pada perceptron?

    <p>Fungsi tanda</p> Signup and view all the answers

    Apa yang ingin dicapai dalam proses pembelajaran ini?

    <p>Menemukan bobot dan bias sehingga keluaran sesuai yang diinginkan.</p> Signup and view all the answers

    Nilai bobot yang diberikan untuk input x1 dan x2 dalam contoh adalah?

    <p>w1 = 0.5 dan w2 = 0.5</p> Signup and view all the answers

    Apa fungsi dari nilai ambang batas (bias) dalam model perceptron ini?

    <p>Menentukan threshold untuk keluaran positif dan negatif.</p> Signup and view all the answers

    Dalam fungsi keluaran o(x1, x2), jika x1 dan x2 keduanya 1, berapa nilai keluaran yang diharapkan?

    <p>+1</p> Signup and view all the answers

    Apa hasil dari S ketika x1 = -1 dan x2 = -1?

    <p>-1.8</p> Signup and view all the answers

    Dari bobot w1 dan w2 yang sama, berapa nilai ambang batas w0 yang ditetapkan?

    <p>-0.8</p> Signup and view all the answers

    Apa yang terjadi jika keluaran fungsi aktivasi S lebih besar dari ambang batas?

    <p>Keluaran akan menjadi +1.</p> Signup and view all the answers

    Dalam model perceptron, apa yang akan terjadi jika x1 dan x2 bernilai -1?

    <p>Keluaran negatif dihasilkan.</p> Signup and view all the answers

    Apa output dari fungsi o(x1, x2) ketika x1 = -1 dan x2 = -1?

    <p>-1</p> Signup and view all the answers

    Apa langkah pertama dalam Perceptron Learning Rule (PLR)?

    <p>Menginisialisasi bobot secara acak</p> Signup and view all the answers

    Jika output perceptron sama dengan target, apa yang seharusnya dilakukan?

    <p>Tidak melakukan apa-apa</p> Signup and view all the answers

    Apa nilai ambang atau bias dalam konteks perceptron?

    <p>Sebuah bobot yang terpisah dari input</p> Signup and view all the answers

    Apa persamaan yang digunakan untuk memperbarui bobot dalam PLR?

    <p>$w_i ext{ } ext{new} = w_i + heta imes (y - o) imes x_i$</p> Signup and view all the answers

    Apa yang dimaksud dengan learning rate dalam PLR?

    <p>Ukuran seberapa cepat model belajar</p> Signup and view all the answers

    Apa bentuk dari fungsi output perceptron yang dinyatakan dalam soal?

    <p>Kombinasi input dilipatgandakan dengan bobot dan ditambahkan</p> Signup and view all the answers

    Dari mana datangnya error kumulatif dalam PLR?

    <p>Dihitung dengan rumus $E = E + (y-o)^2/2$</p> Signup and view all the answers

    Apa yang dimaksud dengan learning rate dalam konteks Gradient Descent?

    <p>Besaran yang menentukan seberapa cepat model belajar</p> Signup and view all the answers

    Apa yang dilakukan pada setiap bobot dalam proses Gradient Descent?

    <p>Memperbarui bobot berdasarkan nilai delta dan learning rate</p> Signup and view all the answers

    Apa perbedaan utama antara Batch Gradient Descent dan Incremental Gradient Descent?

    <p>Batch Gradient Descent menghitung delta dari semua data sebelum pembaruan bobot</p> Signup and view all the answers

    Kapan Perceptron Training Rule berhasil diterapkan?

    <p>Ketika training examples dapat dipisahkan secara linier</p> Signup and view all the answers

    Apa yang dapat dihadapi oleh Delta rule/Gradient Descent?

    <p>Input linier tanpa batas</p> Signup and view all the answers

    Apa yang mungkin terjadi jika learning rate terlalu besar?

    <p>Model mungkin tidak konvergen dan berosilasi</p> Signup and view all the answers

    Apa yang menjadi ciri-ciri dari Incremental/Stochastic Gradient Descent?

    <p>Melakukan pembaruan bobot untuk setiap data secara langsung</p> Signup and view all the answers

    Apa hasil yang dijamin oleh Linear unit training rule menggunakan gradient descent?

    <p>Konvergen pada hipotesis dengan minimum squared error</p> Signup and view all the answers

    Study Notes

    Artificial Neural Network (Part 1)

    • Materi ini membahas Artificial Neural Network (ANN), bagian pertama dari kuliah Inteligensi Buatan (IF3111) di Institut Teknologi Sumatera tahun 2022.
    • Materi meliputi pendahuluan tentang neuron, topologi, perceptron, fungsi neuron, aturan pelatihan perceptron, dan turunan gradien.
    • Neuron biologis memiliki cabang input (dendrit) dan cabang output (akson). Informasi mengalir dari dendrit ke badan sel neuron dan diteruskan melalui akson ke neuron lainnya melalui sinapsis. Sinapsis berbeda kekuatannya.
    • Representasi visual neuron buatan memperlihatkan dendrit, badan sel (soma), dan akson, dengan transmisi informasi terjadi pada sinapsis.
    • Pertimbangan pada manusia terkait kecepatan transmisi antar neuron (0.001 detik) dan jumlah neuron serta koneksi per neuron. Waktu pengenalan visual (0.1 detik) dan inferensi (100 langkah) seringkali tidak cukup. Komputasi paralel diperlukan untuk menanggulangi hal ini.
    • ANN memiliki neuron input, neuron tersembunyi, dan neuron output. Neuron input menerima input dari luar jaringan, neuron tersembunyi tidak berinteraksi langsung dengan dunia luar, dan neuron output menghasilkan output dari jaringan.
    • Karakteristik masalah yang tepat untuk ANN meliputi output target diskrit atau real, kesalahan pelatihan yang dapat diterima, waktu pelatihan yang relatif lama, dan kemampuan melakukan evaluasi fungsi target.
    • Aplikasi ANN terlihat pada berbagai bidang seperti pengenalan suara, klasifikasi gambar, prediksi keuangan, dan ekstraksi informasi.
    • Perceptron adalah jenis ANN sederhana yang dapat melakukan klasifikasi linier.
    • Permukaan keputusan perceptron direpresentasikan sebagai hiperplane di ruang n-dimensi.
    • Fungsi m-of-n membantu perceptron untuk melakukan klasifikasi ketika input boolean memiliki nilai minimal m dari n harus benar untuk bernilai benar.
    • Contoh kasus perceptron diberikan untuk menunjukkan cara kerja algoritma pada dataset tertentu.
    • Aturan pembelajaran Perceptron (PLR) digunakan untuk melatih perceptron, dengan cara mengubah bobot berdasarkan kesalahan output yang dihasilkan.
    • Algoritma Gradient Descent digunakan untuk memperbarui bobot perceptron, bertujuan meminimalkan kesalahan kuadrat.
    • Ada berbagai jenis penerapan Gradient Descent, meliputi Batch Gradient Descent dan Incremental/Stokastik Gradient Descent.
    • Perceptron Training Rule dapat dipastikan berhasil jika training examples dapat dipisahkan secara linier. Learning rate yang kecil dan penggunaan fungsi aktivasi yang tepat sangat penting.

    Perceptron

    • Perceptron adalah tipe ANN yang berbasis pada satu unit neuron dengan input bernilai real dan output 1 atau -1.
    • Perceptron menggunakan fungsi aktivasi sign.
    • Perceptron mempelajari output dan vektor bobot.
    • Perceptron memiliki ruang hipotesis semua vektor bobot.

    M-of-n function

    • Fungsi m-of-n dalam perceptron mendefinisikan kondisi input boolean yang harus dipenuhi untuk menghasilkan output tertentu.
    • Fungsi ini diatur sedemikian rupa untuk mewakili fungsi OR atau AND.

    Gradient Descent

    • Algoritma pembelajaran mesin untuk mendekati minimum suatu fungsi dengan langkah-langkah yang sebanding dengan negatif dari gradien fungsi.
    • Setiap contoh pembelajaran merupakan pasangan dari bentuk < x, t >, dimana x adalah vektor nilai input dan t adalah nilai output target.
    • Parameter learning rate (η) digunakan untuk mengatur ukuran langkah-langkah pembaruan bobot.

    Perceptron Learning Rule (PLR)

    • Inisialisasi bobot dengan nilai acak.
    • Mengambil data dan menghitung output aktual perceptron.
    • Membandingkan output aktual dengan target.
    • Memperbarui bobot berdasarkan perbedaan antara output aktual dan target (dengan rumus pembelajaran perceptron).
    • Menghitung kesalahan kumulatif.
    • Mengulangi proses sampai kesalahan minimal.

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Related Documents

    Minggu 10 - Artificial Neural Network (Part-1) PDF

    Description

    Materi ini membahas bagian pertama dari kuliah Inteligensi Buatan tentang Artificial Neural Network (ANN). Topik yang dibahas mencakup struktur neuron, fungsi-fungsi dasar, dan aturan pelatihan perceptron. Pahami bagaimana informasi ditransmisikan dalam neuron dan tantangan yang dihadapi dalam komputasi paralel.

    More Like This

    Artificial Neural Network Basics
    10 questions

    Artificial Neural Network Basics

    StreamlinedHamster3709 avatar
    StreamlinedHamster3709
    Perceptron Weight Training Steps
    12 questions

    Perceptron Weight Training Steps

    RestfulRadium avatar
    RestfulRadium
    Practice exam part 2
    10 questions

    Practice exam part 2

    HalcyonRuthenium avatar
    HalcyonRuthenium
    Artificial Neural Network Models Overview
    8 questions

    Artificial Neural Network Models Overview

    BountifulBallad avatar
    BountifulBallad
    Use Quizgecko on...
    Browser
    Open
    Browser
    Browser