JURUSAN TEKNIK INFORMATIKA KOKO JONI, STUNIVERSITAS TRUNOJOYO MADURA DIANA RAHMAWATI, ST,MT

Pertemuan 10Neural Network

KECERDASAN BUATAN(ARTIFICIAL INTELLIGENCE)

• Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut

• Buatan karena di implementasikan dengan program komputer

Susunan syaraf manusia

• Neuron• Dendrit• Axon• Synapsis

Sejarah

• 1940 : llmuwan menemukan bahwa psikologi otak manusia sama dengan pemrosesan komputer

• 1943 : McCulloch dan Pitts merancang model pertama kali sebagai perhitungan dasar neuron

• 1949 : Hebb menyatakan bahwa informasi dapat disimpan dalam koneksi-koneksi dan mengusulkan adanya skema pembelajaran untuk memperbaiki koneksi-koneksi antar neuron tersebut

• 1954 : Farley dan Clark mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random

• 1958 : Rosenblatt mengembangkan konsep dasar tentang perceptron untuk klasifikasi pola

• 1960 : Widrow dan Hoff mengembangkan ADALINE untuk kendali adaptip dan pencocokan pola yang dilatih dengan aturan pembelajaran Least Mean Square

• 1974 : Werbos memperkenalkan algoritma backpropagation untuk melatih perceptron dengan banyak lapisan

• 1975 : Little dan Shaw menggambarkan jaringan syaraf menggunakan model probalistik

• 1982 : KOhonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi (unsupervised learning) untuk pemetaan

• 1982 : Grosberg mengembangkan teori jaringan yang terinspirasi oleh perkembangan psikologi. Bersama Carpenter mereka mengenalkan sejumlah arsitektur jaringan, Adaptive Resonance Theory (ART), ART2 dan ART3

• 1982 : Hopfield mengembangkan jaringan syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi

• 1985 : Algoritma pembelajaran dengan menggunakan mesin Boltzmann yang menggunakan model jaringan syaraf probabilistik mulai dikembangkan

• 1987 : kosko mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM)

• 1988 : mulai dikembangkan fungsi radial basis

KOmponen Jaringan Syaraf

• Jaringan syaraf terdiri atas beberapa neuron

• Ada hubungan antar neuron• Neuron mentransformasikan

informasi yg diterima melalui sambungan keluarnya menuju neuron-neuorn yg lain

• Pada jaringan syaraf hubungan ini dikenal dengan bobot

∑ Output

Fungsi AktivasiBobot

Input dari Neuron-neuorn yang lain

Bobot

Output ke neuron-neuron yang lain

Jaringan syaraf dengan 3 lapisan

Nilai Input

Neuron-neuron pada lapisan

input

Neuron-neuron pada lapisan tersembunyi

Neuron-neuron pada lapisan

output

Nilai Output

Arsitektur Jaringan

• Neuron-neuron dikelompokkan dalam lapisan-lapisan

• Neuron yang terletak pada lapisan yang sama akan memiliki keadaan yang sama

• Kelakuan neuorn ditentukan oleh fungsi aktivasi dan pola bobotnya

a. Single Layer net

Nilai Input

X1 lapisan inputX3X2

Y1 Y2

Matriks bobot

Lapisan Output

Nilai Output

W11W12 W32W31

W22W21

b. Multiple Layer NetNilai Input

X1 lapisan inputX3X2

Z1 Z2

Matriks bobot Pertama

Lapisan Tersembunyi

Matriks Bobot kedua

V11V12 V32V31

V22V21

Y Lapisan Output

Nilai Output

W1 W2

c. Competitive layer net

A1

Aj

Am

Ai

- ŋ

1

- ŋ- ŋ

- ŋ

- ŋ

- ŋ

1

1

1

Fungsi Aktivasi

• Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan

a. Hard Limit

1

Y

X0

y0,1

0,0

xjika

xjika

B. THRESHOLD

1

Y

X0 Ө

y

xjika

xjika

,1

,0

c. Symetric Hard Limit

y0,1

0,0

0,1

xjika

xjika

xjika1

Y

X0

-1

d. Bipolar Threshold

1

Y

X0 Ө

-1

y

xjika

xjika

,1

,1

e. Fungsi Linier

1

Y

X0

-1

1-1

y = x

f. Saturating Linier

1

Y

X0-0,5 0,5

y5,0;0

5,05,0;5,0

5,0;1

xjika

xjikax

xjika

g. Simetric Saturating Linier

1

Y

X0-1 1

-1

y1;0

11;

1;1

xjika

xjikax

xjika