Konsep Jaringan Syaraf Tiruan & Pemodelanya


Struktur Dasar Jaringan Biologi


• NEURON


Neuron adalah satuan unit pemroses terkecil pada otak yang mempunyai tugas mengolah informasi. Jaringan saraf biologi merupakan kumpulan sel-sel saraf (neuron). Komponen-komponen utama dari sebuah Neuron dapat dikelompokan menjadi 3 bagian yaitu :
Dendrit. Dendritbertugas untuk menerimainformasi
Badan Sel (Soma). Badan sel (soma) berfungsi sebagai tempat pengolahan informasi.
Axon (Neurit). Axon mengirimkan impuls-impuls ke sel saraf lainnya.


Proses dalam pembuatan Sistem Syaraf Buatan
1. Menginputkan Informasi (Basis Pengetahuan) yang sebelumnya telah diketahui hasil keluarannya, melalui node atau unit input.

2. Pemberian nilai awal dalam setiap pembobotan sesuai dengan kriteriatertentu, hinggadiperolehkeluaran yang diharapkan.


Proses Komputasi Pada Jaringan Syaraf Tiruan
• Teknologi jaringan saraf tiruan yang berkembang pesat merupakan solusi persoalan komputasi yang tidak dapat diselesaikan oleh komputer konvensional.

• Kemudian, jaringan saraf tiruan belajar dari contoh yang disebut set pelatihan.

• Set pelatihan dikenal sebagai pola pelatihan berupa suatu vektor dan didapatkan dari sumber seperti citra, sinyal suara, data dari sensor, data keuangan, dan informasi.


Elemen Dasar Jaringan Syaraf Buatan
• Topologi, Yaitu bagaimana mengorganisasikan dan menginterkoneksikan jaringan menggunakan lapisan elemen pemroses, sehingga terbentuk jaringansaraf tiruan.

• Proses belajar, Yaitu Bagaimana informasi disimpan dalam jaringansaraf tiruan.

• Pemanggilankembali, Yaitu bagaimana informasi yang disimpan dapat dipanggil kembali.


Bidang Bidang Penelitian Yang Memamfaatkan Jaringan Syaraf Buatan
• Aerospace : Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.

• Otomotif : Sistem kendali otomatismobil.

• Keuangan dan Perbankan :Pendeteksi uang palsu, evaluator aplikasi kredit, pengindentifikasian pola-pola data pasar saham.

• Pertahanan (Militer) : Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar dan pengolahan sinyal citra yang meliputi kompresi data, ekstrasi bagian istimewa dan penghilang derau, pengenalan sinyal atau citra.

• Medis : Analisis sel kanker payudara, pendeteksi kanker kulit.

• Pengenala nSuara : Pengenalan percakapan, klasifikasi suara.

• Pengenalan Tulisan : Pengenalan tulisan tangan, penerjemahan tulisan ke dalam tulisan latin.

• Matematika : Alat pemodelan masalah dimana bentuk eksplisit dari hubungan antara variable-variabel tertentu tidak diketahui.

• Pengenalan Benda Bergerak : Pengenalan citra orang bergerak, pengenalan citra tangan yang bergerak dan lain-lain.

Komentar

Posting Komentar

Postingan populer dari blog ini

Model Hebb

Gambar
Penjelasan Model Hebb Model Hebb Diusulkan oleh Donald Olding Hebb pada th 1949. Metode pengembangan dari metode McCulloch-Pitts. Model Hebb Menentukan bobot dan bias secara analitik (manual). Pembelajaran dilakukan dengan memperbaiki nilai bobot secara continue. Langkah-langkah Model Hebb: 1.Inisialisasi semua bobot = Wi = 0 (i=1,..,n) 2.Untuk semua vektor input s dan unit target t, lakukan : Set aktivasi unit masukan Xi = Si (i=1,..,n) Set aktivasi unit keluaran y = t Perbaiki bobot menurut persamaan Wi (baru) = Wi(lama)+∆W ∆W = Xi.y Perbaiki bias menurut persamaan : b(baru) = b(lama)+y
Baca selengkapnya

Model Perceptron

Gambar
Pengertian Model Perceptron Salah satu metode yang termasuk dalam struktur feedforward adalah Perceptron. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear dan algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran(Kusumadewi,2004). Pada jaringan syaraf perceptron semua input bersifat tidak saling tergantung (Independent) dan setiap bobot input mempengaruhi salah satu dari output. Learning Rule Perceptron • Aturan Kesalahan dalam sinyal kesalahan pada Perceptron dinyatakan sebagai berikut : e = t – y Dimana : Jika e = 1, makawbaru = wlama + x Jika e = -1, makawbaru = wlama – x Jika e = 0, makawbaru = wlama Keterangan variable – variable : e = error t = target x = input y = output w = bobot
Baca selengkapnya

Arsitektur Jaringan Syaraf Tiruan

Gambar
Neural Network Neural Network terdiri atas elemen-elemen untuk pemrosesan informasiyang disebut dengan neuron, unit, sel atau node. Setiap neuron dihubungkan dengan neuron lainnya dengan suatuconnection link, yang direpresentasikan dengan weight/bobot. Metode untuk menentukan nilai weight disebut dengan training, learning, atau algoritma. Setiap neuron menggunakan fungsi aktivasi pada net input untuk menentukan prediksi output. Neuron-neuron dalam neural network disusun dalam grup, yang disebut dengan layer (lapis). Susunan neuron-neuron dalam lapis dan pola koneksi didalam dan antar lapis disebut dengan arsitektur jaringan. Lapisan Yang Membentuk Neural Network 1. Lapisan Input Unit-unit di lapisan input disebut unit-unit input. Unit-unit input tersebut menerima pola inputan dari luar yang menggambarkan suatu permasalahan. Banyaknya node atau neuron dalam lapis input tergantung pada banyaknya input dalam model dan setiap input menentukan satu neuron. 2. Lapisan tersembunyi (hid...
Baca selengkapnya