ANN Exercises

Latihan ANN dari slide kuliah IF3270 Pembelajaran Mesin.

#Link to this headingLatihan 1

Diketahui sebuah arsitektur jaringan Neural Network sebagai berikut yang memiliki dua unit input $x$, tiga unit output $o$ dan satu unit hidden $h$, serta menggunakan fungsi aktivasi Sigmoid di setiap unitnya. Proses pembelajaran menerapkan algoritma Backpropagation.

Catatan: bias selalu ada sebagai input tiap layer, simbol bebas.

#Link to this headinga.

Tuliskan formula untuk menghitung luaran $h$ dan $o_1$.

#Link to this headingb.

Jika $\delta_1$, $\delta_2$ dan $\delta_3$ adalah error pada ketiga unit output, $\delta_h$ adalah error pada hidden unit, dan $t_1$ adalah nilai target untuk unit output yang pertama, tuliskan formula untuk menghitung $\delta_1$ dan $\delta_h$.

#Link to this headingc.

Jika $\alpha$ adalah learning rate, tuliskan formula untuk update bobot $w_1$ dan $w_3$.

#Link to this headingLatihan 2

Lakukan pembelajaran (backpropagation) untuk ANN pada gambar berikut untuk mendapatkan nilai semua bobot yang baru, lengkap dengan perhitungan.

Arsitektur: 2 input ($i_1, i_2$) → 2 hidden ($h_1, h_2$) → 2 output ($o_1, o_2$)

Fungsi Aktivasi: Sigmoid. Learning Rate: 0.5

Bobot awal:

• $w_1 = 0.15$ (i1→h1), $w_2 = 0.20$ (i2→h1), $b_1 = 0.35$ (bias→h1)
• $w_3 = 0.25$ (i1→h2), $w_4 = 0.30$ (i2→h2), $b_1 = 0.35$ (bias→h2)
• $w_5 = 0.40$ (h1→o1), $w_6 = 0.45$ (h2→o1), $b_2 = 0.60$ (bias→o1)
• $w_7 = 0.50$ (h1→o2), $w_8 = 0.55$ (h2→o2), $b_2 = 0.60$ (bias→o2)

Target: $t_1 = 0.01, t_2 = 0.99$

#Link to this headinga. Backpropagation

#Link to this headingb. Forward pass dengan bobot baru

Terapkan bobot yang baru pada data input $i_1 = 0.05$ dan $i_2 = 0.1$.

#Link to this headingc. Error setelah update bobot

Hitung error setelah update bobot, dan bandingkan dengan sebelum update bobot.