Learning Vector Quantization (LVQ) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif
yang terawasi. Suatu lapisan kompetitif akan secara otomatis
belajar untuk mengklasifikasikan vektor-vektor input. Kelas-kelas yang didapatkan
sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut ke dalam kelas yang sama.
Algoritma
1.
Tetapkan: W, MaxIter, Eps, a.
2.
Masukkan:
input x(m,n);
m = jumlah input,
n = jumlah data
target(1,n).
3.
Tetapkan kondisi awal:
epoh=0;
err=1.
4.
Kerjakan jika: (epoch<MaxIter) atau (a > eps)
a. epoh = epoh+1;
b. Kerjakan
untuk i=1 sampai n
i. Tentukan
J sedemikian hingga ║x-wj║ minimum
ii. Perbaiki
wj dengan ketentuan:
Jika T = Cj maka:
wj(baru)=wj(lama)+ a (x-wj(lama))
Jika T ¹ Cj maka:
wj(baru)=wj(lama)- a (x-wj(lama))
c. Kurangi
nilai a.
Contoh 8.8:
Misalkan diketahui
10 input vektor dalam 2 kelas sebagai
berikut:
1.
|
(1,
|
0,
|
0,
|
0,
|
1,
|
0)
|
1
|
2.
|
(0,
|
1,
|
1,
|
1,
|
1,
|
0)
|
2
|
3.
|
(0,
|
0,
|
1,
|
0,
|
0,
|
1)
|
1
|
4.
|
(0,
|
0,
|
1,
|
0,
|
1,
|
0)
|
1
|
5.
|
(0,
|
1,
|
0,
|
0,
|
0,
|
1)
|
1
|
6.
|
(1,
|
0,
|
1,
|
0,
|
1,
|
1)
|
1
|
7.
|
(0,
|
0,
|
1,
|
1,
|
0,
|
0)
|
2
|
8.
|
(0,
|
1,
|
0,
|
1,
|
0,
|
0)
|
2
|
9.
|
(1,
|
0,
|
0,
|
1,
|
0,
|
1)
|
2
|
10.
|
(0,
|
1,
|
1,
|
1,
|
1,
|
1)
|
2
|
Dua input pertama
akan dijadikan sebagai inisialisasi bobot:
Vektor (w) Kelas 1. (1, 0, 0, 0, 1, 0) 1
2. (0, 1, 1, 1, 1, 0) 2
Sedangkan 4 input sisanya:
Vektor (x) Kelas
1.
|
(0,
|
0,
|
1,
|
0,
|
0,
|
1)
|
1
|
2.
|
(0,
|
0,
|
1,
|
0,
|
1,
|
0)
|
1
|
3.
|
(0,
|
1,
|
0,
|
0,
|
0,
|
1)
|
1
|
4.
|
(1,
|
0,
|
1,
|
0,
|
1,
|
1)
|
1
|
5.
|
(0,
|
0,
|
1,
|
1,
|
0,
|
0)
|
2
|
6.
|
(0,
|
1,
|
0,
|
1,
|
0,
|
0)
|
2
|
7.
|
(1,
|
0,
|
0,
|
1,
|
0,
|
1)
|
2
|
8.
|
(0,
|
1,
|
1,
|
1,
|
1,
|
1)
|
2
|
akan digunakan sebagai data yang akan dilatih. Arsitektur jaringan syaraf pada contoh 8.8 ini seperti
terlihat pada Gambar 8.29.
0 Komentar untuk "Learning Vector Quantization (LVQ)"