Post on 02-Jan-2016
description
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