TUGAS II KECERDASAN BUATAN TOPIK : Neural Network
Keterangan Tugas :
Dibuat ber kelompok (2 mahasiswa)
Dikumpulkan 1 minggu (tanggal 9 Januari 2018)
Jawaban di kertas A4. Untuk soal teori ditulis tangan. Untuk soal praktek dengan matlab maka jawaban di print (analisanya ditulis tangan)
1. Gambarkan blok diagram dari suatu model neural network. (gambarkan secara jelas letak bobot, bias dan fungsi aktivasi serta keluaran neural network)
2. Hitung keluaran dari two layer perceptron berikut untuk nilai-nilai masukan yang diberikan dalam tabel
No X1 X2
1 2 3 4 5 6 7 8
Nilai-nilai tabel dibuat sendiri dengan rentang -2 s.d 2 (bukan bilangan pecahan)
3. Lakukan perceptron learning (lakukan langkah per langkah dengan lengkap) untuk tiga kasus-kasus klasifikasi sebagai berikut : (pilih tiga saja)
a. kasus AND
Input 1 Input 2 Target
0 0 0
0 1 0
1 0 0
1 1 1
b. kasus OR
Input 1 Input 2 Target
0 0 0
0 1 1
1 0 1
1 1 1
c. kasus NAND d. kasus XOR e. kasus NOR f. kasus XNOR g.
Input 1 Input 2 Target
2 2 1
-2 1 0
2 -2 1
1 -1 0
4. Buktikan bahwa rumus untuk perceptron learning rule adalah :
dan
5.
X1 X2
0 0
1 0
0 1
1 1
-1 0
0 -1
-1 -1
1 2
6. TUGAS APLIKASI
PENDAHULUAN
UNTUK KESEDERHANAAN : Proses “Input Processing Function” dan “Output Processing Function” TIDAK DIGUNAKAN PADA NEURAL NETWORK DI KASUS INI
Set nama file gambar yang akan diproses : “training.bmp”
(boleh berbeda jika sudah memahami command-command di Matlab)
PROSES DI MATLAB
Set current directory pada folder : “Simple Recognition using NN”
Eksekusi command-command berikut :
%% Read the image
I = imread('training.bmp');
%% Image Preprocessing
img = edu_imgpreprocess(I, 10, 5);
for cnt = 1:50
bw2 = edu_imgcrop(img{cnt});
charvec = edu_imgresize(bw2);
out(:,cnt) = charvec;
end
%% Create Vectors for the components (objects) P = out(:,1:40);
T = [eye(10) eye(10) eye(10) eye(10)];
Ptest = out(:,41:50);
%% Creating and training of the Neural Network
net = newff(minmax(P),[10 10], {'logsig' 'logsig'},'traingdx');
net = train(net,P,T);
%% Testing the Neural Network [a,b]=max(sim(net,Ptest));
disp(b);
Analisa hasilnya
