Transcript Self Organizing Map

Self Organizing Map
SOM
• Jaringan Self- Organizing Map merupakan salah satu
model jaringan saraf tiruan yang menggunakan metode
pembelajaran tanpa supervisi (unsupervised learning)
• Salah satu keunggulan dari algoritma SelfOrganizing Map adalah mampu untuk memetakandata
berdimensi tinggi kedalam bentuk peta berdimensi
rendah.
• Proses pemetaan terjadi apabila sebuah pola
berdimensi bebas diproyeksikan dari ruang
masukan ke posisi pada array berdimensi satu atau
dua
Algoritma
Diberikan suatu data set yang akan dibuat SOM
nya
1. Inisialisasi sejumlah weight dengan nilai acak
2. Untuk setiap sample input x pada dataset,
a. cari weight yang paling mendekati dengan Euclidian
distance, disebut BMU(Best Matching Unit)
b. update weight tsb dengan rumus
w ij  w ij   ( x  w ij )
c.
Lakukan iterasi untuk meng-update weight sampai
mencapai nilai iterasi yang telah ditentukan dan
mengurangi laju pembelajaran . Ulangi dari langkah 2
A map of the world where countries have been colored with the color describing
their poverty type (the color was obtained with the SOM in the previous figure):
Matlab
net = newsom(PR,[d1,d2,...],tfcn,dfcn,olr,osteps,tlr,tns)
• PR - Rx2 matrix of min and max values for R input
elements.
• Di - Size of ith layer dimension, defaults = [5 8].
• TFCN - Topology function, default = 'hextop'.
• DFCN - Distance function, default = 'linkdist'.
• OLR - Ordering phase learning rate, default = 0.9.
• OSTEPS - Ordering phase steps, default = 1000.
• TLR - Tuning phase learning rate, default = 0.02; TND Tuning phase neighborhood distance, default = 1.
• Akan digunakan pelatihan SOM dengan data
gempa (datagempa.xls)
• Dalam matlab gunakan fungsi som
(newsom(parameter,))
• Lihat source code som.m