Hebb Rule

Hebb rule adalah metode pembelajaran yang paling sederhana. Pada metode ini pembelajaran dilakukan dengan
cara memperbaiki nilai bobot sedemikian rupa sehingga jika ada dua neuron yang terhubung dan keduanya pada kondisi 'hidup'
(on) pada saat yang sama, maka bobot antara keduanya di naikkan. Apabila data direpresentasikan secara bipolar,
maka perbaikan bobotnya adalah:

wi(baru) = wi(lama) + xi*y

dengan:
wi = bobot data input ke-i
xi = input data ke-i
y = output data

Misalkan kita gunakan pasangan vektor input s dan vektor output sebagai pasangan vektor yang akan dilatih.
Sedangkan vektor yang hendak digunakan untuk testing adalah vektor x.

Algoritma:

1. Inisialisasi semua bobot:
wij = 0; dengan i = 1,2,...,n; dan j = 1,2,...m.

2. Untuk setiap pasangan input output (s-t), lakukan langkah-langkah sebagai berikut:

a. Set input dengan nilai sama dengan vektor input:

xi = si; (i = 1,2,...,n)

b. Set output dengan nilai sama dengan vektor output:

yi = ti; (i = 1,2,...,n)

c. Perbaiki bobot:

wij(baru) = wij(lama) + xi*yi
(i = 1,2,...,n; dan j = 1,2,...,m)

dengan catatan bahwa nilai bias selalu 1.

Contoh soal:

Misalkan kita ingin membuat jaringan syaraf untuk melakukan pembelajaran terhadap fungsi OR dengan input dan
target bipolar sebagai berikut:

input bias target
-1 -1 1 -1
-1 1 1 1
1 -1 1 1
1 1 1 1

Bobot awal dan bobot bias kita set=o.

Arsitektur jaringannya:

x = -1 -1
-1 1
1 -1
1 1

T = -1
1
1
1

Bobot awal;
w = 0
0

b = 0

Perubahan bobot:

data ke-1:
w1 = 0 + 1 = 1
w2 = 0 + 1 = 1
b = 0 - 1 = -1

data ke-2:
w1 = 1 - 1 = 0
w2 = 1 + 1 = 2
b = -1 + 1 = 1

data ke-3:
w1 = 0 + 1 = 1
w2 = 2 - 1 = 1
b = 0 + 1 = 1

data ke-4:
w1 = 1 + 1 = 2
w2 = 1 + 1 = 2
b = 1 + 1 = 2

Kita bisa melakukan pengetesan terhadap salah satu data yang ada, misal kita ambil x = (-1-1).

Y = 2 + (-1*2) + (-1*2) = -2

Karena nilai y-1n = -2, maka kita dapat menentukan nilai y = f(y-1n) = f(-2) = -1.
Nilai ini (-1) cocok dengan output yang diberikan.

Jaringan Hebb untuk Pengenalan Pola

Jaringan Hebb dapat pula dipakai untuk mengenali pola. Caranya adalah dengan melatih jaringan untuk membedakan 2 macam pola.

referensi:
Sri Kusumadewi, Artificial Intellegence (Teknik dan Aplikasinya).