Minggu, 08 Januari 2017
Artificial Neutral Network
Artificial Neutral Network
Jaringan saraf tiruan (JST)
(Bahasa Inggris: artificial neural network (ANN), atau juga disebut simulated
neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah
jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem
saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya
untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang
mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga
sering disebut dengan jaringan adaptif.
Secara sederhana, JST adalah
sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk
memodelkan hubungan yang kompleks antara input dan output untuk menemukan
pola-pola pada data. Menurut suatu teorema yang disebut "teorema penaksiran
universal", JST dengan minimal sebuah lapis tersembunyi dengan fungsi
aktivasi non-linear dapat memodelkan seluruh fungsi terukur Boreal apapun dari
suatu dimensi ke dimensi lainnya.
Sejarah
1943 : Waffen McCulloh dan Walter Pitts
merancang model matematis dari sel-sel otak
1949 : Hebb menyatakan informasi dapat
disimpan dalam koneksi-koneksi antar neuron
1958 : Rosenblatt mengembangkan konsep
dasar tentang perceptron untuk klasifikasi pola
1982 : Kohonen mengembangkan metode
jaringan syaraf buatan unsupervised learning
1982 : Grossberg mengenalkan sejumlah
arsitektur jaringan ( ART, ART2, ART3)
1982 : Hopfield mengembangkan jaringan
syaraf reccurent untuk menyimpan informasi
Bagaimana
Jaringan Syaraf Tiruan Bekerja ?
Artificial Neural Network Bekerja
ada tiga paradigma bagaimana jaringan
syaraf tiruan dapat berfikir dan beradaptasi terhadap suatu masalah, tiga
paradigm tersebut adalah :
1. Supervised Learning
2. Unsupervised Learning
3. Reinforced Learning
1. Supervised Learning
2. Unsupervised Learning
3. Reinforced Learning
Supervised
Learning (pembelajaran terawasi) adalah metode pembelajaran
yang menyimpulkan pemetaan data dengan membandingkan ketidaksesuaian antara pemetaan
data saat ini ( yang mengandung knowledge saat ini) dengan pemetaan data
sebelumnya (yang mengandung knowledge sebelumnya).
Unsupervised
Learning (pembelajaran tidak terawasi) adalah metode
pembelajaran yang mengelompokkan unit-unit yang hampir sama dalam area
tertentu. Metode ini biasa digunakan untuk pengklafisikasian pola.
Reinforced
Learning, adalah metode yang membuat system (system) dapat
belajar dari keputusan yang diambil sebelumnya dengan cara memberikan reward
setiap kali system melakukan suatu hal yang benar. Dengan pemberian reward ini
system akan mencari hal apa yang harus dilakukan agar mendapatkan lebih banyak
lagi reward, sehingga system dapat terus berkembang. System (learner) dibiarkan
belajar sendiri dengan lingkungan, ketika system bermain berdasarkan rule maka
akan diberi reward, ketika tidak akan diberi punishment.
Sebelum menggunakan Jaringan Syaraf
Tiruan kita harus mempertimbangkan tiga hal yaitu :
1 Model apa yang akan kita gunakan
2 Algoritma belajar apa yang akan kita gunakan
3 Bagaimana caranya agar JST tahan terhadap masalah
2 Algoritma belajar apa yang akan kita gunakan
3 Bagaimana caranya agar JST tahan terhadap masalah
Manfaat
Jaringan Syaraf Tiruan
Dalam kehidupan sehari-hari jaringan
syaraf tiruan digunakan dalam aplikasi yang berkaitan dengan hal-hal berikut :
1. Identifikasi dan control : Kontrol kendaraan, Natural Resources Mangement
2. Pengambil keputusan dalam video game: Chess, Poker, Backgammon
3. Pengenal Pola : Radar, Pengenal wajah, Pengenal objek
4. Diagnosa Medis untuk mendeteksi penyakit kangker
1. Identifikasi dan control : Kontrol kendaraan, Natural Resources Mangement
2. Pengambil keputusan dalam video game: Chess, Poker, Backgammon
3. Pengenal Pola : Radar, Pengenal wajah, Pengenal objek
4. Diagnosa Medis untuk mendeteksi penyakit kangker
Sumber:
Langganan:
Postingan (Atom)