Associative Memory Jaringan Syaraf Tiruan dengan Matlab

Jaringan Syaraf Tiruan (JST) ditemukan oleh ilmuawan ilmu komputer dengan maksud menciptakan sistem yang menyerupai otak manusia. Salah satu kemampuan otak manusia adalah mengingat sesuatu. Perhatikan piramida taksonomi bloom di bawah ini.

Tingkat paling rendah dari otak kita adalah mengingat, dilanjutkan pemahaman, dan seterusnya hingga membuat (creating). Postingan berikut ini memperlihatkan kemampuan JST dalam mengingat suatu citra, misalnya huruf dan angka.

Kasus. Berikut ini contoh kasus untuk membuat JST yang mampu mengingat dan memahami. Jika diberikan masukan angka 7 maka JST diharapkan mengeluarkan huruf “t”. Dengan kata lain JST selain mengingat juga memahami prinsip asosiasi, jika “7” maka “t”.

Anda diminta untuk:

  • 1. Membuat JST
  • 2. Menentukan parameter-parameter JST
  • 3. Menguji JST

Penyelesaian. Untuk mudahnya, gunakan Matlab dalam perhitungannya. Masuk ke jendela command window.

1. Model JST yang tepat untuk menyelesaikan masalah ini adalah “Symmetric Hard Limit Associator” dengan metode pembelajaran Hebbian.

Di sini P merupakan input yang akan dilatih (angka “7”) sementara A merupakan keluarannya. Untuk melatihnya di sini angka “t” merupakan target pelatihannya. Pertama-tama siapkan dua matriks baris P dan T yang masing-masing menunjukan angka “7” dan huruf “t”.

  • >> P=[1 1 1 1;0 0 0 1;0 0 1 0;0 1 0 0]
  • P =
  • 1 1 1 1
  • 0 0 0 1
  • 0 0 1 0
  • 0 1 0 0

Pastikan P menunjukan angka “7”. Selanjutnya mengubah 0 menjadi -1. Sebenarnya bisa saja langsung dari pembuatan matris P di atas, tetapi mengetik -1 membutuhkan dua proses, lebih lama dari mengetik angka 0. Jadi dengan instruksi berikut Matriks P menjadi -1 seluruh angka nol-nya.

  • >> P=P*2-1
  • P =
  • 1 1 1 1
  • -1 -1 -1 1
  • -1 -1 1 -1
  • -1 1 -1 -1

Selanjutkan jadikan matriks P ini menjadi matriks kolom dengan memanfaatkan fungsi “reshape” Matlab.

  • >> P=reshape(transpose(P),[16,1])

Matriks P menjadi matriks kolom yang berukuran 16×1. Lakukan hal yang sama untuk matriks target nya (huruf “t”).

  • >> T=[0 1 0 0;1 1 1 1;0 1 0 0;0 1 1 1];
  • >> T=T*2-1;

T=reshape(transpose(T),[16,1])

2. Parameter-parameter JST antara lain bobot yang dihitung dengan persamaan: W = TPT dengan superscript T artinya “transpose”.

  • >> W=T*transpose(P)
  • >> size(W)

Perhatikan bobot W yang berisi matriks W yang berukuran 16×16.

3. Untuk mengujinya, masukan saja matriks P dan kalikan dengan W. Pastikan hasilnya adalah matriks T.

  • >> A = hardlims(W*P);
  • >> matriksA=reshape(A,[4 4])
  • >> matriksA=transpose(matriksA)
  • matriksA =
  • -1 1 -1 -1
  • 1 1 1 1
  • -1 1 -1 -1
  • -1 1 1 1

Gunakan fungsi “imshow” untuk melihat matriksA apakah sama dengan target T.

  • >> imshow(matriksA,’InitialMagnification’,’fit’)

Tampak huruf t yang diperoleh (di sini angka 1 ditunjukan dengan warna putih, sementara angka -1 dengan warna hitam). Selamat, Anda telah berhasil membuat JST yang bisa mengingat dan memahami suatu pola (huruf dan angka).

Iklan

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.