penjelasan singkat metode pembelajaran hebb rule, jaringan syaraf tiruan

   1.      Penjelasan Singkat Tentang Metode Hebb Rule

Hebb rule adalah metode pembelajaran yang paling sederhana. Pada metode ini pembelajaran dilakukan dengan cara memperbaiki nilai bobot sedemikian rupa sehingga jika ada 2 neuron yang terhubung, dan keduanya pada kondisi ‘hidup’ (on) pada saat yang sama, maka bobot antara keduanya dinaikkan. Apabila data direpresentasikan secara bipolar, maka perbaikan bobotnya adalah:

wi(baru) = wi(lama) + xi*y

dengan:

            wi     :      bobot data input ke-i;

            xi       :      input data ke-i.

            y        :      output data.

Misalkan  kita gunakan  pasangan  vektor input  s dan  vektor output  sebagai pasangan vektor yang akan dilatih. Sedangkan vektor yang hendak digunakan untuk testing adalah vektor x.

Algoritma

0.     Inisialisasi semua bobot:

wij = 0;     dengan i=1,2,...,n; dan j=1,2,...,m.

1.     Untuk setiap pasangan input-output (s-t), lakukan langkah-langkah sebagai berikut:

a.  Set input dengan nilai sama dengan vektor input:

xi  = si;      (i=1,2,...,n)

b.  Set output dengan nilai sama dengan vektor output:

yj  = tj;      (j=1,2,...,m)

c.  Perbaiki bobot:

wij(baru) = wij(lama) + xi*yj; (i=1,2,...,n; dan j=1,2,...,m)

dengan catatan bahwa nilai bias selalu 1.


tulisan ini saya ambil dari buku karangan sri kusuma dewi, judul bukunya saya lupa