Perceptron

Perceptron juga termasuk salah satu bentuk jaringan syaraf yang sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear.
Pada dasarnya, perceptron pada jaringan syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan suatu nilai ambang (threshold).
Algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran.
Nilai threshold pada fungsi aktivasi adalah non negatif. Fungsi aktivasi ini dibuat sedemikian rupa sehingga terjadi pembatasan antara
daerah positif dan daerah negatif.

Garis pemisah antara daerah positif dan daerah nol memiliki pertidaksamaan:
w1x1 + w2x2 + b > tetha

Sedangkan garis pemisah antara daerah negatif dengan daerah nol memiliki pertidaksamaan:
w1x1 + w2x2 + b < tetha

Misalkan kita gunakan pasangan vektor input s dan vektor output sebagai pasangan vektor yang akan dilatih.

Algoritma.

1. Inisialisasi semua bobot dan bias:
(untuk sederhananya set semua bobot dan bobot bias sama dengan nol)
Set learning rate: alpha(0 < alpha = 1)
(untuk sederhananya set sama dengan 1)

2. Selama kondisi berhenti bernilai false, lakukan langkah-langkah sebagai berikut:
a. Untuk setiap pasangan pembelajaran s-t, kerjakan:
- Set input dengan nilai sama dengan vektor input:
xi = si

- Hitung respon untuk unit output:

y_in = b + tetha xi wi

- Perbaiki bobot dan bias jika terjadi error:

Jika y tidak sama dengan t maka:

wi(baru) = wi(lama) + a*t*xi
b(baru) = b(lama) + a*t

Jika tidak, maka:

wi(baru) = wi(lama)
b(baru) = b(lama)

b. Tes kondisi berhenti: jika tidak terjadi perubahan bobot pada (i) maka kondisi berhenti TRUE, namun jika masih terjadi perubahan maka kondisi berhenti FALSE.

Algoritma diatas bisa digunakan baik untuk input biner mauoun bipolar, dengan ? tetentu, dan bias yang dapat diatur.
Pada algoritma tersebut bobot-bobot yang diperbaiki hanyalah bobot-bobot yang berhubungan dengan input yang aktif dan bobot-bobot yang tidak menghasilkan nilai y yang benar.

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