Algoritma Restricted Boltzmann Machines (RBM) untuk Pengenalan Tulisan Tangan Angka
Teks penuh
Gambar
![Gambar 1. Arsitektur Rectricted Boltzmann Machine Network](https://thumb-ap.123doks.com/thumbv2/123dok/2575495.1659091/3.595.117.317.438.523/gambar-arsitektur-rectricted-boltzmann-machine-network.webp)
![Gambar 2. Pembelajaran I dengan (ε) =0.01, (m)=0.5, 0.7, 0.9](https://thumb-ap.123doks.com/thumbv2/123dok/2575495.1659091/4.595.347.533.254.385/gambar-pembelajaran-i-dengan-e-m.webp)
![Gambar 5. Grafik persentase pengenalan dataset](https://thumb-ap.123doks.com/thumbv2/123dok/2575495.1659091/5.595.120.311.523.665/gambar-grafik-persentase-pengenalan-dataset.webp)
![Gambar 9. Langkah-langkah pembacaan data](https://thumb-ap.123doks.com/thumbv2/123dok/2575495.1659091/6.595.378.518.469.695/gambar-langkah-langkah-pembacaan-data.webp)
Dokumen terkait
PENGENALAN BENTUK TULISAN TANGAN HURUF ‘i’ DAN ‘t’ UNTUK MEMPREDIKSI KARAKTER PSIKOLOGIS SESEORANG MENGGUNAKAN ALGORITMA JARINGAN SARAF TIRUAN PROPAGASI BALIK.. PENGENALAN
Salah satu masalah yang dapat dipecahkan dengan menggunakan jaringan saraf tiruan Self Organizing Map adalah pengenalan pola pada tulisan tangan huruf alfabet.. Pada
Tujuan yang akan dicapai pada Tugas Akhir ini adalah merancang dan merealisasikan perangkat lunak yang berbasis jaringan saraf tiruan dengan menggunakan algoritma
Berdasarkan hasil pengujian, penggunaan metode jaringan saraf tiruan dengan Algoritma Backpropagation memberikan hasil cukup baik untuk mengenali gambar yang terdapat pada training
Proses inisialisasi jaringan, bobot dengan memasukkan nilai yang acak dengan nilai tertentu sesuai persamaan (2.27), sedangkan diagram alir seperti pada Gambar
Untuk fitur dengan level lebih besar dari 3, jumlah data training yang bisa digunakan menjadi semakin kecil.. Pada level 3 vector fitur akan berdimensi 128, sedangkan
Penelitian ini menganalisis sampai seberapa besar penambahan derau dan sudut putaran pada pola angka tulisan tangan yang masih dapat ditoleransi oleh arsitektur jaringan
Sedangkan untuk akurasi rata-rata pengujian dapat dilihat pada Gambar 4, yaitu dengan akurasi sebesar 99.50%, precision sebesar 97.56% dan Recall 97.50% SIMPULAN Dari penelitian