kecerdasan buatan

1. Artificial Neural Network:
Restricted Boltzmann
Machines
HAFIYYAN PUTRA PRATAMA
hafiyyanputra24@gmail.com

2. Latar Belakang (1)
 Salah satu metoda/algoritma Jaringan Syaraf Tiruan
pada AI
 Meniru cara kerja otak manusia
 Diperkenalkan oleh Geoffrey Hinton
 Varian dari Boltzmann Machines
RBMBM

3. Konsep Dasar (1)
Edwin Chen
a stochastic neural network (neural network meaning we have neuron-like
units whose binary activations depend on the neighbors they’re connected
to; stochastic meaning these activations have a probabilistic element)
consisting of:
 One layer of visible units
 One layer of hidden units
 A bias unit

4. Konsep Dasar (2)
 Terdiri dari visible layer dan hidden layer
 Tidak ada batasan jumlah hidden layer dan jumlah node setiap layernya.
 Hubungan antar node disebut weight atau bobot
 Node di layer yang sama tidak saling terhubung (restricted)

5. Algoritma (1)
1. Menentukan jumlah node pada masing-masing layer, nilai bobot setiap hubungan
node dan nilai bias sesuai permasalahan
2. Melakukan tahap training
1. Menyiapkan data pasangan nilai input – output (training data set)
2. Memasukan nilai input pada input layer diteruskan ke hidden layer lalu hasil dari
hidden layer menjadi input untuk output layer.
3. Hitung nilai error antara hasil dari output layer dengan nilai output yang seharusnya.
4. Lakukan iterasi sampai nilai error memenuhi nilai yang diizinkan
3. Menerapkan pada kasus

6. Algoritma (2)
 Fungsi Aktivasi : menentukan keluaran untuk mengaktifkan node
x1 x2 x3 x4 x5

7. Contoh Penerapan

8. Referensi
 Introduction to Restricted Boltzmann Machine,
http://blog.echen.me/2011/07/18/introduction-to-restricted-boltzmann-
machines/
 http://cs.carleton.edu/cs_comps/0910/netflixprize/final_results/rbm/index.html
 http://accord-
framework.net/docs/html/T_Accord_Neuro_Networks_RestrictedBoltzmannMachin
e.htm
 Dsb.