## Nyatakan samada ini merupakan pembelajaran terselia ataupun pembelajaran tidak terselia. Berikan hujah untuk menyokong jawapan anda.

### computer science

##### Description

You are stuck in your room during this Movement Control Restriction (MCO) period and trying to decide whether you should watch the movie “Godzilla" or not. You ask your close friends Desmond and Irdina, who watched the movie to hear their opinions about the movie. Desmond gave a rating of 2 and Irdina gave a rating of 10. Ratings leaning more towards the positive indicate that particular movie is good. Given these ratings, it is difficult for you to decide if it is worth watching the movie, but thankfully, you have kept a table of their ratings for some movies in the past. For each movie, you also noted whether you liked the movie or not. Maybe you can use this data to decide if you should watch 'Godzilla'. The data look like this:

 Movies Desmond’s rating Irdina’s rating Your preference Starwars -8 5 No Pandemic -5 0 No Mulan 0 8 No Black Widow 0 -10 Yes Godzilla 2 10 ???

Dengan data di atas, anda telah memutuskan untuk menggunakan Perseptron Lapisan Tunggal yang merupakan salah satu kaedah Rangkaian Neural Buatan untuk membantu anda membuat keputusan samada patut menonton filem Godzilla ataupun tidak. Perseptron Lapisan Tunggal secara umumnya adalah seperti dalam Rajah 1.

With this in mind, you decided to use a Single Layer Perceptron of the Artificial Neural

Network method to figure out whether you should watch “Godzilla” or not. A general single layer perceptron is shown in Figure 1 as reference.

Rajah 1: Perseptron Lapisan Tunggal

Figure 1: Single layer perceptron

a.    Nyatakan samada ini merupakan pembelajaran terselia ataupun pembelajaran tidak terselia. Berikan hujah untuk menyokong jawapan anda.

State whether this is a supervised or unsupervised learning. Give reasons for your answer.

b.    Adakah ini masalah regresi ataupun klasifikasi? Jika anda fikirkan ini adalah masalah regresi, apakah perkara yang kita cuba regresikan? Begitu juga jika sebaliknya, apakah perkara yang kita cuba untuk klasifikasikan?

Is this a regression or classification problem? If you think it is a regression problem, then what are we trying to regress? Similarly, what are we trying to classify?

How many layers would your Neural Network (NN) have?

d.    Berapa banyak input (dilabelkan sebagai ?) dan pemberat sepadan (dilabelkan sebagai ?) yang ada pada Rangkaian Neural tersebut?

How many inputs (denoted as ?) and corresponding weights (denoted as ?) does that NN have?

e.    Lukiskan perseptron lapisan tunggal dan labelkan input ? dan pemberat ?.

Draw the single layer perceptron and label the inputs ? and weights ?.

f.     Tuliskan ekspresi matematik bagi fungsi penjumlahan.

Write the mathematical expression for the summation function.

g.    Tuliskan ekspresi matematik bagi fungsi pengaktifan. Andaikan fungsi pengaktifan ialah fungsi ?????? dengan nilai ambang ialah 0.

Write the mathematical expression for the activation function. Assume the activation function is a ?????? function with a threshold value at 0.

h.    Jika kita menggunakan fungsi ?????? sebagai fungsi pengaktifan, bagaimanakah kita mewakili kelas ‘No’ dan ‘Yes’?

If we use the ?????? function as the activation function, how do we represent the class ‘No’ and ‘Yes’?