Please take a moment to complete this survey below

Library's collection Library's IT development Cancel

Improving backpropagation training time and its generalization using pruning

Beberapa tahun terakhir, banyak algoritma jaringan syaraf tiruan uang
dikembangkan untuk klasifikasi pola. Salah satu algoritma yang populer adalah
backpropagation. Akan tetapi, menentukan besarnya suatu jaringan
backpropagation adalah suatu masalah yang sangat sulit. Jumlah hidden unit yang
terlalu banyak akan menyebabkan jaringan terlalu menghafal data training dan
kurang generalisasi. Sedangkan jumlah hidden unit yang terlalu sedikit, jaringan
yang dihasilkan kurang belajar data yang ada.
Pendekatan yang digunakan untuk mendapatkan jumlah hidden unit yang
optimal adalah dengan memulai dengan jumlah yang berlebih kemudian
menghilangkan hidden unit yang berlebih. Langkah kedua adalah menghilangkan
input atribut yang berlebih. Langkah terakhir adalah menghilangkan weight yang
berlebih. Aplikasi dibuat dengan C# dengan Microsoft Visual Studio 2005 sebagai
IDE-nya.
Hasil pengujian dengan beberapa data set menunjukan akurasi setelah
proses pruning sama atau lebih baik. Akan tetapi, pada beberapa data set akurasai
yang dihasilkan lebih rendah, tetapi masih dalam nilai yang wajar.

Creator(s)
  • (26408068) DANIEL BUDIONO
Contributor(s)
  • Liliana → Advisor 1
  • Gregorius Satiabudhi → Examination Committee 1
Publisher
Universitas Kristen Petra; 2012
Language
Indonesian
Category
s1 – Undergraduate Thesis
Sub Category
Skripsi/Undergraduate Thesis
Source
Skripsi No. 01021096/INF/2012; Daniel Budiono (26408068)
Subject(s)
  • ARTIFICIAL INTELLIGENCE
  • NEURAL NETWORKS (COMPUTER SCIENCE)
File(s)

Similar Collection

by creator, contributor, or subject