Académique Documents
Professionnel Documents
Culture Documents
Self-Organizing Map
Aplikasi Kecerdasan Komputasional
Materi 4
Eko Prasetyo
Teknik Informatika
2012
Self-Organizing Map
Topografi SOM
Linear neighborhood
Rectangular neighborhood
Hexagonal neighborhood
Self-Organizing Map
Ada K neuron yang disusun dalam larik satu atau dua
dimensi
Sinyal masukan untuk setiap neuron dilewatkan pada
bobot dengan jumlah elemen bobot yang sama dengan
N fitur (Kohonen, 1989)
Self-Organizing Map
Self-Organizing Map
Neuron
Keluaran
1
Data
Masukan
wij
x1
x2
...
xn
j
...
K
1.
2.
3.
4.
5.
6.
Contoh
Data asli
Data
1
2
3
4
5
2 3 5
X
1
4
1
3
5
Y
1
1
2
4
4
Iterasi 1 (data 1)
Bobot lama:
2 2 2
w
2
3
5
(2 1) 2 (2 1) 2 12 12 1 1 2
D2 wi 2 xi ( w12 x1 ) ( w22 x 2 )
2
(2 1) 2 (3 1) 2 12 2 2 1 4 5
D3 wi 3 xi 2 ( w13 x1 ) 2 ( w23 x 2 ) 2
Jarak terkecil
(terdekat) adalah
neuron ke-1, maka
neuron 1 diperbarui
bobotnya:
(2 1) 2 (5 1) 2 12 4 2 1 16 17
wi1 (baru ) wi1 (lama ) xi wi1 (lama )
1
.
5
3
5
1
.
5
1 2 2 0.5
2
0.5
1.5
2
1
2
2
0
.
5
Data berikutnya
10
Iterasi 1 (data 2)
Bobot lama:
terkecil
1.5 2 2
w
1
.
5
3
5
D2 wi 2 xi ( w12 x1 ) ( w22 x 2 )
2
(2 4) 2 (3 1) 2 (2) 2 2 2 4 4 8
D3 wi 3 xi 2 ( w13 x1 ) 2 ( w23 x 2 ) 2
Jarak terkecil
(terdekat) adalah
neuron ke-1, maka
neuron 1 diperbarui
bobotnya:
(2 4) 2 (5 1) 2 (2) 2 4 2 4 16 20
0
.
5
2.75 2 2
w
1.25 3 5
Data berikutnya
11
Iterasi 1 (data 3)
Bobot lama:
2.75 2 2
w
1.25 3 5
(2 1) 2 (3 2) 2 12 12 1 1 2
Jarak terkecil
(terdekat) adalah
neuron ke-2, maka
neuron 2 diperbarui
bobotnya:
D3 wi 3 xi 2 ( w13 x1 ) 2 ( w23 x 2 ) 2
i
(2 1) 2 (5 2) 2 12 3 2 1 9 10
1
3
0
.
5
2.75 1.5 2
w
1
.
25
2
.
5
5
Data berikutnya
12
Iterasi 1 (data 3)
Bobot lama:
2.75 1.5 2
w
1
.
25
2
.
5
5
Jarak terkecil
(terdekat) adalah
neuron ke-3, maka
neuron 3 diperbarui
bobotnya:
D2 wi 2 xi 2 ( w12 x1 ) 2 ( w22 x2 ) 2
i
terkecil
(2 3) 2 (5 4) 2 (1) 2 12 1 1 2
1
5
0
.
5
Data berikutnya
13
Iterasi 1 (data 3)
Untuk data 5 [5 4], hitung jarak ke setiap neuron:
D1 wi1 xi ( w11 x1 ) ( w21 x2 )
2
Bobot lama:
2.75 1.5 2.5
w
Jarak terkecil
(terdekat) adalah
neuron ke-3, maka
neuron 3 diperbarui
bobotnya:
D3 wi 3 xi 2 ( w13 x1 ) 2 ( w23 x2 ) 2
i
terkecil
5 2.5 2.5
2 .5
2.5 2.5 1.25 3.75
0.5 0.5
4.5 0.25 4.25
4
4
.
5
4
.
5
0
.
5
4 .5
Iterasi berikutnya
14
Hasil Iterasi 1
Bobot baru setelah iterasi 1:
1
.
25
2
.
5
4
.
25
11 2 3 3
15
Iterasi 1 - 2
Iterasi
Data
Cluster
Terdekat
Pembaruan
Cluster
Terdekat
Inisialisasi bobot
Bobot
222
235
a
11
2 5 17
41
6.5 8 20
12
3.625 2 10
34
7.625 4.5 2
54
11
41
12
34
54
b c = b*(a-dprev)
0.5
-0.5
-0.5
0.5
1.25
-0.25
0.5
-0.5
-0.5
0.5
0.5
-0.5
0.5
1.25
-0.25
0.3
-0.15
-0.45
0.3
0.375
-0.075
0.3
-0.105
-0.015
0.3
-0.2250
-0.0750
0.3
0.4425
-0.0525
d = a+c
1.5 2 2
1.5 3 5
2.75 2 2
1.25 3 5
2.75 1.5 2
1.25 2.5 5
2.75 1.5 2.5
1.25 2.5 4.5
2.75 1.5 3.75
1.25 2.5 4.25
2.75 1.35 3.75
1.25 2.05 4.25
3.125 1.35 3.75
1.175 2.05 4.25
3.125 1.245 3.75
1.175 2.035 4.25
3.125 1.245 3.525
1.175 2.035 4.175
3.125 1.245 3.9675
1.175 2.035 4.1225
16
Iterasi 3 - 5
Iterasi
Data
D Cluster
Terdeka
t
Pembaruan
Cluster Terdekat
Bobot
b
0.18
0.18
0.18
0.18
0.18
c = b*(a-dprev)
d = a+c
a
11
41
12
34
54
2
1
2
3
3
11
41
12
34
54
2
0.108
1
0.108
2
0.108
3 Indeks
0.108(nomor)
cluster
3
0.108 yang
diikuti data
11
41
12
34
54
2
1
2
3
3
0.0648
0.0648
0.0648
0.0648
0.0648
Bobot akhir
setelah 5 iterasi
pelatihan
17
To Be Continued
ANY QUESTION ?
18