Perceptron: Perbedaan antara revisi

Dalam ilmu [[pembelajaranpemelajaran mesin]], '''''perceptron''''' adalah algoritme pada pembelajaranpemelajaran terbimbing untuk melakukan klasifikasi biner (dua jenis). Klasifikasi biner menggunakan suatu fungsi yang menentukan suatu data termasuk dalam suatu kelompok atau tidak.<ref name="Freund1999">{{cite journal |doi=10.1023/A:1007662407062 |year=1999 |title=Large margin classification using the perceptron algorithm |last1=Freund |first1=Y. |journal=Machine Learning |volume=37 |issue=3 |pages=277–296 |last2=Schapire |first2=R. E. |url=http://cseweb.ucsd.edu/~yfreund/papers/LargeMarginsUsingPerceptron.pdf}}</ref> Ia termasuk jenis pengklasifikasi linear, yaitu algoritme klasifikasi yang memprediksi dengan fungsi linear yang tersusun dari himpunan bobot dengan vektor fitur.

Dalam konsep modern, ''perceptron'' adalah algoritme untuk mempelajari suatu pengklasifikasi biner yang disebut [[Pengklasifikasi linear#Definisi|fungsi ambang ({{lang-en|threshold function}})batas]], yaitu fungsi yang memetakan input <math>\mathbf{x}</math> (vektor bernilai riil) ke nilai <math>f(\mathbf{x})</math> (nilai biner):

Dalam konteks jaringan saraf tiruan, ''perceptron'' adalah saraf tiruan yang menggunakan [[fungsi tangga Heaviside]] sebagai fungsi aktivasi. Algoritme ''perceptron'' juga disebut ''perceptron'' lapis tunggal ({{lang-en|''single-layer perceptron}}'') untuk membedakannya dari ''perceptron'' lapis banyak ({{lang-en|''multilayer perceptron}}'') yang dipakai untuk jaringan saraf tiruan yang lebih kompleks. Sebagai pengklasifikasi linear, ''perceptron'' lapis tunggal adalah jaringan saraf tiruan langkah depan (''feed-forward'') paling sederhana.