Implementasi Fungsi Aktifasi atau Fungsi Transfer

Kita akan segera mengunakan fungsi aktifasi atau fungsi transfer. Fungsi ini memberikan keluaran kepada neuron yang lain. Fungsi ini dipilih berdasarkan permasalahan yang akan dipecahkan. Dengan dibuatnya fungsi ini maka, kita menjalankan sebuah neuron. Sampai disini saya telah paham konsep dari neuron. Sehingga kemudian saya akan membuat class Neuron pada kesempatan berikutnya

Sekarang kita akan memasukkan fungsi aktifasi atau fungsi transfer kedalam program kita.


/*
<ANNInputWeightBias.java. The program performs summation for 
Input, Weight, and Bias .>

    Copyright (C) <2016>  <Joko Adianto>

    This program is free software: you can redistribute it and/or modify

    it under the terms of the GNU General Public License as published by

    the Free Software Foundation, either version 3 of the License, or

    (at your option) any later version.

    This program is distributed in the hope that it will be useful,

    but WITHOUT ANY WARRANTY; without even the implied warranty of

    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the

    GNU General Public License for more details.

    You should have received a copy of the GNU General Public License

    along with this program.  If not, see <http://www.gnu.org/licenses/>.

*/


class ActivationFunction {
    //Hard Limit
    public double hardLim(double s){
        if (s < 0) s=0.0;
        else s = 1.0;
        return s;
    }
   
    //Symmetric Hard Limit
    public double symHardLim(double s){
        if (s < 0) {
            s=-1.0;
            }
        else {
            s = 1.0;
            }
        return s;
    }
   
    //Linear
    public double lin(double s){
        return s;
    }
   
    //Saturated Linear
    public double satLin(double s){
        if (s < 0){
            s=0;
            }
        else if (s >=0 && s<=1){
            s = s;
            }
       
        else {
            s=1;
            }
        return s;
    }
   
    //Symmetric Saturated Linear
    public double symSatLin(double s){
        if (s < -1){
            s=-1;
            }
        else if (s >=-1 && s<=1){
            s = s;
            }
       
        else {
            s=1;
            }
        return s;
        }
   
   
     /**Log Sigmoid
     *
     * @param s
     * @return 1/(1+java.lang.Math.pow(java.lang.Math.E, -s)    
     */

    public static double logSig(double s){
        return 1/(1+java.lang.Math.pow(java.lang.Math.E, -s));
    }
   
    /**Hyperbolic Tangent Sigmoid
     *
     * @param s
     * @return s
     */
    public double tanSig(double s){
        return (java.lang.Math.pow(java.lang.Math.E, s)-
                java.lang.Math.pow(java.lang.Math.E, -s))/
                (java.lang.Math.pow(java.lang.Math.E, s)+
                java.lang.Math.pow(java.lang.Math.E, -s));
    }
   
}


public class ANNInputWeightBias {
/**
* @param p
* @param w
* @param o
* @return double
*/


public static double getSum( double[] p, double[][]w, double b ){
        double o =0; //o adalah akumulator
        int k = p.length; //panjang array p
        int j = 0; //pencacah
        for (j=0;j<k;j++){
                    o=o+p[j]*w[j][0];                   
                }
        o=o+b;
        return o;
    }
   
   
 /**
* @param args the command line arguments
*/
    public static void main(String[] args) {
        // TODO code application logic here
        ActivationFunction af = new ActivationFunction();
        double o=0;
        double b=1; //b adalah bias
        double[] p = {1,2,3}; //p adalah input
        double[][] w = {{2}, {4}, {6}}; //w adalah weight
       
        o=getSum(p,w,b);
        o=af.logSig(0);
        System.out.println(o);
       
    }
   
}