Scene 1 (0s)
M cCulloch-Pitts. Kelompok 3 : Boxiadly Sinke Tehuayo – 201843500863 Fara Oktaviani Harianja – 201843500614 Jamhari Dwi Purnomo – 201843500923 Muhamad Lutfi Fadillah – 202043579012 Muria Haviz – 201943579076 Nuraini Fauziah – 201843500789 Oki Septiyadi – 201843500925 Retno Indah Prawito – 201843501325.
Scene 2 (12s)
Model JST yang digunakan oleh McP merupakan model yang pertama ditemukan. Model neuron McP memiliki karakteristik sbb : Fungsi aktivasinya biner. Semua garis yang memperkuat sinyal (bobot positif) ke arah suatu neuron memiliki kekuatan (besar bobot) yang sama. Hal yang sama untuk garis yang memperlemah sinyal (bobot negatif) ke arah neuron tertentu. Setiap neuron memiliki batas ambang (threshold) yang sama. Apabila total input ke neuron tersebut melebihi threshold, maka neuron akan meneruskan sinyal.
Scene 3 (34s)
Neuron Y menerima sinyal dari (n+m) buah neuron x1 x2, …..xn, xn+1, …. xn+m. n buah penghubung dengan dari x1, x2, …..xn ke Y merupakan garis yang memperkuat sinyal ( bobot positif ), sedangkan m buah penghubung dari xn+1, ….xn+m ke Y merupakan garis yang memperlemah sinyal (bobot negatif). Semua penghubung dari x1, x2, …..xn ke Y memiliki bobot yang sama. Hal yang sama dengan penghubung dari xn+1,…. xn+m ke Y memiliki bobot yang sama. Namun jika ada neuron lain katakan Y2, maka bobot x1 ke Y1 boleh berbeda dengan bobot dari x2 ke Y2 . Fungsi aktivasi neuron Y adalah 1 ???? ??? ≥ ? 0 ???? ??? < ? Bobot tiap garis tidak ditentukan dengan proses pelatihan, tetapi dengan metode analitik..
Scene 4 (1m 9s)
x1 x2 y 0 0 0 0 1 0 1 0 0 1 1 1. Pada hal ini akan dilakukan perhitungan manual untuk mencari iterasi dalam pengenalan fungsi logika AND dengan disesuaikan dengan metode McCulloch-Pitts. perhitungan pengenalan pola fungsi logika AND menggunakan data input di bawah ini: x1= X2= Nilai bobot (w) = 1 threshold = 2.
Scene 5 (1m 28s)
zx. Threshold = 2. Proses memproses input dan menghasilkan output :.
Scene 6 (1m 46s)
Terima Kasih.