Fungsi Aktivitas Dan Pelatihan Jaringan dalam jaringan syaraf tiruan yaitu digunakan untuk menentukan keluaran suatu neuron. Argumen fungsi aktivasi adalah net masukan (kombinasi linier masukan dan bobotnya).
Jika net = , maka fungsi aktivasinya adalah f(net) = . .
Beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan, antara lain:
- Fungsi Biner Threshold
- Fungsi biner dengan menggunakan nilai ambang sering juga disebut dengan nama fungsi nilai ambang (threshold)
- Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0 sampai 1.
- Fungsi Linier (Identitas)
- Fungsi linear memiliki nilai output yang sama dengan nilai input-nya.
- Fungsi linear dirumuskan sebagai berikut : f(x) = x
Model Pembelajaran
- Supervised-Feedforward: JST dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan diteruskan tanpa umpan balik
- Unsupervised-Feedforward: JST tidak dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan diteruskan tanpa umpan balik
- Unsupervised-Feedback: JST tidak dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan diteruskan dan memberikan umpan balik
- Supervised-Feedback: JST dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan diteruskan dan memberikan umpan balik.
Demikian artikel mengenai Fungsi Aktivitas Dan Pelatihan Jaringan, semoga informasi yang diberikan bermanfaat.