BAB III
Jaringan Syaraf Tiruan
Pengenalan Jaringan Syaraf Tiruan
Bagian penting jaringan syaraf secara biologis, yaitu :
1. Dendrit
2. Soma
3. Axon
Jaringan Syaraf
Tiruan adalah sebuah system pemroses
informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Dengan asumsi :
- Pemrosesan informasi terjadi pada
banyak elemen sederhana (neuron);
- Sinyal dikirimkan diantara neuron-neuron
melalui penghubung-penghubung;
- Penghubung antar neuron memiliki bobot
yang akan memperkuat atau memperlemah sinyal;
- Untuk menentukan output, setiap neuron menggunakan funsi aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima . Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.
Contoh : Neuron Y
Y menerima input
dari neuron x1, x2, dan x3dengan bobot
hubungan masing- masinga dalah w1, w2, dan w3.
Ketiga impuls neuron yang ada dijumlahkan.
Besarnyaimpuls
yang diterimaoleh Y mengikutifungsiaktivasi y = f(net).
Apabilafungsiaktivasicukupkuat, makasiyalakanditeruskan. Nilaifungsiaktivasi
(keluaran model jaringan) jugadapatdipakaisebagaidasaruntukmerubahbobot.
Aplikasi
Jaringan Syaraf Tiruan
- Pengenalan Pola (pattern
Recognition)
Jaringan syaraf
tiruan dapat dipakai untuk mengenali pola (misal huruf, angka, suara atau tanda
tangan) yang sudah sedikit berubah.
- Signal Processing
Jaringan syaraf
tiruan (model ADALINE) dapat dipakai unuk menekan noise dalam saluran telepon.
- Peramalan
Jaringan syaraf
tiruan juga dapat dipakai untuk meramalkan apa yang sudah terjadi di masa yang
akan datang berdasarkan pola kejadian yang ada di masa lampau. Ini dapat
dilakukan mengingat kemampuan jaringan syaraf tiruan untuk mengingat dan
membuat generalisasi dari apa yang sudah ada sebelumnya.
Dalam syaraf tiruan,
prosesnya banyak berhubungan dengan vektor dan
matriks.
1. Vektor
Operasi vektor :
- Perkalian vektor dengan skalar
- Penjumlahan 2 buah vektor
- Hasil kali titik 2 vektor
Penjumlahan vektor (matlab)
Perkalian vektor (matlab)
Norma Vektor
Beberapa sifat norma vektor
adalah sebagai berikut :
a. Jika c adalah sembarang bilangan rill, maka ||cx|| =
|c| ||x||
b. Jarak 2 buah vektor x dan y adalah ||x-y||
d. Pertidaksamaan Cauchy-Schwartz :
(xy)2≤||x||2||y||2
Matriks ( penjelasaan ada di sub bab Fuzzy Logic )
Model Neuron
Neuron adalah unit pemroses
informasi yang menjadi dasar dalam pengoperasian jaringan syaraf tiruan.
3 elemen pembentuk neuron :
1. Himpunan unit unit yang dihubungkan dengan jalur
koneksi.
Dimana memiliki bobot positif(memperkuat sinyal)dan bobot negative(memperlemah
sinyal)
2. Unit penjumlahan,
Berfungsi untuk menjumlahkan input
input sinyal yang sudah dikalikan dengan bobotnya
3. Fungsi aktifasi
Menentukan
apakah sinyal input neuron akan diteruskan ke neuron lain atau tidak.
Arsitektur Jaringan
- Jaringan layar tunggal
- Jaringan layar jamak
- Jaringan
Recurrent (Feedback Loop/output memberikan sinyal pada input)
Fungsi Aktivasi
Dipakai untuk menentukan keluaran suatu
neuron,argumentasi fungsi aktivasi adalah net masukan(kombinasi linier masukan
dan bobotnya).
a. fungsi threshold(batas ambang)
b. fungsi sigmoid
c. Fungsi Identitas
f(x) = x
Bias dan Threshold
Bias dapat
dipandang sebagai salah sebuah input yang nilainya = 1,yang berfungsi untuk
mengubah nilai threshold menjadi 0(bukan = a)
Pelatihan Dengan dan Tanpa Supervisi
Berdasarkan strategi pelatihan,model jaringan di bagi
menjadi 2:
a)
Pelatihan dengan supervisi
contoh
model yang masuk dalam kategori ini antara lain model
hebbian,perceptron,adaline,dll.
a)
Pelatiahan tanpa supervisi
contoh
model yang masuk dalam kategori ini antara lain model
competitive,hebbian,kohonen,dll.
Aplikasi yang telah ditemukan:
◦
Klasifikasi
Model
yang masuk aplikasi ini adalah ADALINE,LVQ,dll.
◦
Pengenalan pola
Model
yang masuk aplikasi ini adalah Art,LVQ,dll.
◦
Peramalam
Model
yang masuk aplikasi ini adalah ADELINE,MADELINE,dll.
◦
Optimisasi
Model
yang masuk aplikasi ini adalah ADELINE,Hepfield,Boltzman,dll.
Neuron Mc Culloch-Pitts (model JST yang pertama kali dotemukan)
- Fungsi
aktivasinya biner
- Semua garis yang memperkuat sinyal(bobot
positif) ke arah neuron memilik besar boot yang sama.Hal ini juga berlaku untuk
garisyang memperlemah sinyal(bobot negatif)
- Setiapneuron
memiliki threshold yang sama,apabila total neuron melebihi threshold maka neuron akan meneruskan sinyal.
Tidak ada komentar:
Posting Komentar