Algoritma Self Organizing Map

Self Organizing Map merupakan algoritma recurrent untuk neural network sejenis dengan Hopfield dan Adaptive Resonance Theory(ART), agar tidak lupa saya mengambil materi ini dari googling namun saya tambahkan sedikit keterangan,Contohnya sebagai berikut :

Clustering 4 vector ke dalam 2 cluster

Ambil contoh vektor yang akan di cluster adalah :

(1,1,0,0); (0,0,0,1); (1,0,0,0); (0,0,1,1);


Maximum Cluster yang akan dibentuk adalah 2 cluster m=2
Anggap learning rate terjadi penurunan secara geometri ALPHA(0)= 0.6  | ALPHA(t+1)=0.5 ALPHA(t)

Step 0 :
Inisialisasi matrik bobotnya

Insial radiusnya R = 0
Inisial learning rate nya ALPHA (0) = 0.6



Step 1 : Training dimulai
Step 2 : Untuk vektor pertama (1,1,0,0) kerjakan step 3 -5
Step 3 :

 Step 4 : ambil yang minimum berarti J = 2
 Step 5 :

 (wbaru=wlama+learningrate*[wlama-xi])

 ULANGI TERUS UNTUK VEKTOR YANG LAINNYA

Step 6 : ALPHA = 0.5(0.6) = 0.3 (pergantian epoch)

UPDATE BOBOTNYA :


MULAI ITERASI nya.. sampai mencapai batas yang diinginkan.
Berikut adalah hasil training untuk 100 iterasi :


dan karena terlihat konvergen maka matrik akhirnya adalah :

 (Pembulatan karena nilai yang sangat mendekati 0)
 
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 )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: