Post on 14-Jun-2015
Neural Network(Jaringan Syaraf Tiruan)
Sutoni | Ririn |Yuniyah
DEFINISI
Menurut seorang ahli bernama Simon Haykin.
Jaringan syaraf tiruan / Neural network itu seperti sebuah prosesor
yang dapat menyimpan pengetahuan dan pengalaman sehingga
prosesor ini dapat bekerja menyerupai otak manusia yang dapat
beradapatasi dengan masalah.
Pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan saraf manusia. Jaringan saraf tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia yang didasarkan atas asumsi dan bobot.
DEFINISI
Otak Manusia Jaringan Saraf TiruanBisa lupa Tidak mungkin lupa
Bisa rusak/kehilangan informasi
Bisa rusak namun ada/dapat dibackup. Kehilangan informasi dapat dicegah
Tidak Konsisten (dalam kondisi perulangan yg banyak)
Konsisten
Tidak Akurat (dalam kondisi perulangan yg banyak)
Akurat
Belajar terus menerus Sesuai apa yang diajarkan, dan akan memulai dari awal bila ada tambahan pembelajaran
Perilaku Otak Manusia – JST
Latar Belakang
Element Dasar
1. Pola hubungan antar neuron (disebut arsitektur jaringan)
2. Metode penentuan bobot-bobot sambungan (disebut dengan pelatihan atau proses belajar jaringan)
3. Fungsi aktivasi
STRUKTUR JST
Neuron mentransformasikan informasi yang
diterima melalui sambungan keluarnya menuju
neuron-neuron yang lain.
Hubungan antar neuron disebut bobot
Proses Pola JST Pendekatan TradisionalPendekatan Neurall Network
CARA KERJA JST
Tiga paradigma bagaimana jaringan syaraf tiruan dapat
berfikir dan beradaptasi terhadap suatu masalah :
1. Supervised
2. Unsupervised Learning
3. Reinforced Learning ( Hybrid System )
Single Layer /precepton
○ Seberapa besar hubungan antara 2 neuron ditentukan oleh bobot yang bersesuaian.
○ Semua unit input akan dihubungkan dengan setiap unit output.
◆ Memiliki 1 /lebih lapisan yang terletak diantara lapisan input dan lapisan output
◆ Ada lapisan bobot yang terletak antara 2 lapisan yang bersebelahan
◆ Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit daripada lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit
Multilayer Network
◆ Sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif
◆ Umumnya hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada diagram arsitektur
Competitive Net
Karakteristik JST
• Dapat belajar dari pengalaman • Algoritma JST beroperasi secara
langsung dengan angka sehingga data harus diubah menjadi data numerik.
• JST tidak diprogram untuk menghasilkan keluaran tertentu.
• Semua output /kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses pembelajaran.
Keuntungan JST
○Akurasi yang tinggi○Toleransi terhadap noise: ○Mudah untuk dikelola :JST dapat diupdate dengan data yang baru bersifat dinamis
○NN dapat diimplementasikan di hardware yg pararel
Pemanfaatan JST
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
ANY QUESTION ?