GINANJAR UDIARERA KRESNANANTA

Berpacu menjadi yang terbaik

JSS 2
diposting oleh diarera21-fst10 - 24 March 2013
kategori : Umum - 0 komentar

Artifisial Neural Network (ANN)
Artifisial Neural Network (ANN) atau Jaringan Saraf Tiruan (JST) adalah suatu metode komputasi yang meniru sistem jaringan syaraf biologis. Metode ini menggunakan elemen perhitungan non-linier datar yang disebut neuron yang diorganisasikan sebagai jaringan yang saling berhubungan, sehingga mirip dengan jaringan syaraf tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Layaknya neuron biologi, ANN juga merupakan sistem yang bersifat “fault tolerant” dalam 2 hal. Pertama, dapat mengenali sinyal input yang agak berbeda dari yang pernah diterima sebelumnya. Sebagai contoh, manusia sering dapat mengenali seseorang yang wajahnya pernah dilihat dari foto atau dapat mengenali seseorang yang wajahnya agak berbeda karena sudah lama tidak menjumpainya.
Pada dasarnya jaringan syaraf terdiri dari banyak elemen pemroses sederhana yang disebut neuron, sel, unit atau simpul. Sebagai bahan perbandingan, jumlah sel syaraf otak seekor cacing diperkirakan ada 1000 buah dan pada otak manusia kurang lebih 100 tiryun buah. Setiap sel syaraf berhubungan dengan sel syaraf lainnya memakai saluran komunikasi (comincation link) yang teratur dengan suatu bobot penghubung. Bobot-bobot tersebut digunakan oleh jaringan untuk menyelesaikan masalah. Jaringan syaraf tiruan mempunyai beberapa sifat yang dimiliki otak manusia, yaitu:

    Kemampuan untuk belajar dari pengalaman.
    Kemampuan melakukan perumuman (generalization) terhadap input baru dari pengalaman yang dimilikinya.
    Kemampuan memisahkan (abstraction) karakteristik penting dari input yang mengandung data yang tidak penting.

http://tsutikno.wordpress.com/2008/05/27/jaringan-syaraf-tiruan-artificial-neural-network-ann-nn/

    

Jaringan Syaraf Tiruan ditentukan oleh 3 hal:

    Pola hubungan antar neuron (disebut arsitektur jaringan).
    Metode untuk menentukan bobot enghubung (disebut metode training atau learning atau algoritma).
    Fungsi aktifasi.

Sebagai contoh, perhatikan neuron Y pada gambar dibawah



 

Y menerima input dari neuron x1, x2 dan x3 dan  dengan bobot hubungan masing-masing adalah  w1, w2 dan w3. Ketiga impuls neuron yang ada dijumlahkan

net = x1w1+x2w2+x3w3

Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot.



Tinggalkan Komentar
Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :   
   

Kategori

Umum (19)

Pengunjung

5658