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

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

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 

  

     Sumber:

     https://id.wikipedia.org/wiki/Jaringan_saraf_tiruan

     http://catatan-syam.blogspot.co.id/2013/05/jaringan-syaraf-tiruan-artificial.html