Transcript Document 9654293

Subject
Year
: T0293/Neuro Computing
: 2009
Bidirectional Associative Memory
Meeting 7
2
‘Associative Memory’ yang telah dibahas pada bab terdahulu
bersifat auto associative; BAM bersifat hetero
associative.
BAM dikembangkan oleh Bart Kosko (1987) berdasarkan
studi tentang ‘associative memory’ sebelumnya.
BAM sebagai model ‘neural networks’ memiliki kelebihan
yaitu dapat memroses input yang tak lengkap
(incomplete input atau input with noise).
Kelemahan BAM adalah terletak pada kapasitas memori yang
sangat kecil.
3
Arsitektur Memori
W
WT
Layer 0
Layer 1
Layer 2
= layer distributor
= layer input
= layer output
LAYER 0
LAYER 1
A
LAYER 2
Bidirectional Associative Memory Configuration
4
B
ENCODING
Jika kita memiliki m pasangan pola input
{ ( A1,B1 ) , ( A2,B2 ) , ... , ( Am,Bm ) }
dimana
Ai = (ai1, ai2, ... , ain) dan
Bi = (bi1, bi2, ... , bin)
maka BAM W dapat dikonstruksikan
sebagai berikut: (dalam biner)
m
i=1
W =  AiT Bi
dimana i = 1, 2, ... ,m
5
m
m
i=1
i=1
WT =  (AiT Bi)T =  BiT Ai
dalam bipolar, dimana Ai dan Bi masing-masing di transformasikan ke
dalam bentuk Xi dan Yi dimana 0 dalam Ai dan Bi diubah menjadi -1.
m
i=1
W =  XiT Yi
m
m
i=1
i=1
WT =  (XiT Yi)T =  YiT Xi
6
DECODING (Bipolar)
Decoding atau operasi pemanggilan (recall) dapat dirumuskan sebagai berikut:
Xi =
Yi =
 (Yi WT)
 (Xi W)
dimana  adalah fungsi threshold untuk Xik dan Yjk:
Xik
1, jika Yi WkT > 0
-1, jika Yi WkT < 0
Yjk
1, jika Yi WkT > 0
-1, jika Yi WkT < 0
7
Stabilitas (Konvergensi)
BAM akan mencapai konvergen atau stabil apabila energi
yang diturunkan melalui fungsi Lyapunov minimum.
Energi dalam BAM dirumuskan oleh Kosko (1987)
sebagai berikut:
E (x,y) = - X W YT
dimana W adalah matrik bobot
8
Kapasitas
Menurut Kosko
Menurut Wang
C
C
min (n,p)
 min (n,p)
min (n,p)
Menurut Haines C 
Menurut Zhang
C
2 log (min(n,p))
min ( ( n +  ) / ,( p +  ) /  )
9