Arsitektur Full Counterpropagation
FC terdiri dari 2 input layer (X, Y) , sebuah Hidden Layer yang disebut KOHONEN Layer dan 2
buah output layer (X* dan Y*)
Menurut proses pelatihannya, counterpropagation dibagi menjadi 2, yaitu :
1. Kohonen learning (dari input unit ke hidden unit)
2. Grossberg learning (dari hidden unit ke output unit)
Kali ini dibahas hanya Forward saja ...
langsung saja kita liat gambar fase counterpropogation
Nilainya:
Tampilan diatas adalah nilai dari kedua vektor yang belum dinormalisasi, termasuk dengan nilai x1,x2,y1,dan y2
Kedua vektor yakni V dan W harus dinormalisasi terlebih dahulu, caranya lihat angka paling kecil dan terbesar. Contoh untuk V, nilai terbesar pada v12 = 27 dan terkecil v23 = 0,5. untuk menormalisasikannya yaitu dengan membagi nilai pada vektor dengan angka atau nilai yang terbesar. Contoh untuk v11 diperoleh nilai 0,407407 merupakan hasil dari pembagian nilai 11/27, begitupun hasil normalisasi dari v12=27 yaitu 27/27 = 1.
Dibawah ini kolom yang diberi simbol N adalah nilai yang telah dinormalisasi dan juga untuk nilai x1,x2,y1 dan y2 juga telah dinormalisasi.
Selanjutnya ...
Dari hasil D diatas, maka yang menang adalah D1 (karena nilainya terkecil)
Sehingga bobot yang diubah : v11 dan v21 yakni sebagai berikut :
Karena yang menang adalah D1, dimana mengarah ke Z1 maka, Z2, Z3, dan Z4 dieliminasi dan Z1
dilanjutkan proses pencarian nilai W baru (New) ...
Sekian Posting kali ini... Semoga bermanfaat
Tuhan Beserta Kita AMIN
