IBNU HAJAR

Berpacu menjadi yang terbaik

Kategori

google

    Loading

Calender

Artificial Neural Network (Lanjutan)

diposting oleh ibnu-h--fst10 pada 24 March 2013
di Umum - 0 komentar

Nah, setelah kemarin membicarakan mengenai informasi dasar jaringan saraf tiruan. Kali ini kita akan membahasnya lebih dalam, selamat membaca.^^

Nah setelah kemarin saya bercerita mengenai bagaimana jaringan saraf tiruan di bentuk, kali ini saya akan bercerita sedikit lebih mendalam lagin mengenai jaringan sayaraf tiruan. Jaringan saraf tiruan bekerja layaknya sel saraf pada otak manusia.  Kumpulan dari neuron dibuat menjadi sebuah jaringan yang akan berfungsi sebagai alat komputasi.

Untuk dapat mengaktifkan jaringan saraf tiruan biasanya digunakan beberapa fungsi agar dapat mengaktifkan neuron yang dipakai pada jaringan tersebut. Terdapat banyak fungsi yang sering digunakan seperti fungsi unit step, impulse dan fungsi sigmoid. Dari beberapa fungsi tersebut, fungsi sigmoidlah yang dianggap mendekati kinerja sinyal pada otak manusia.

Berdasarkan dari arsitekturnya (pola koneksinya) jaringan saraf tiruan dibedakan menjadi 2 yaitu feedforward dan feedback. Feedforward merupakan struktur jaringan saraf tiruan yang memiliki sebuah bagian khusus yang berfungsi menyaring beberapa signal inputan sebelum kemudian dijadikan sebuah output. Contoh dari jaringan feedforward adalah single layer perceptron, polynomial learning network, dll. Sedangkan jaringan feedback merupakan struktur yang memperhatikan setiap nilai output dan inputnya. Artinya ada keterkaitan antara input dan output yang dihasilkan. Contoh dari struktur ini adalah self – organizing map, hopfield networks, dll.  

Setelah mengetahui beberapa pola koneksi jaringan saraf tiruan, sekarang kita akan membahas mengenai cara belajar jaringan saraf tiruan. Pada cerita saya kemarin saya telah mengatakan jika pada jaringan saraf tiruan hubungan antara input dan output harus diketahui jelas agar terbentuk suatu pola yang dapat dipelajari. Terdapat dua cara belajar dari jaringan saraf tiruan yang  dikenal.

Pertama adalah pembelajaran terawasi, proses ini biasanya dilakukan jika output yang diinginkan telah diketahui. pada model ini terdapat beberapa metode pembelajaran yaitu :

-          Single perceptron

-          Multi perceptron

-          Back propagation

Selanjutnya adalah pembelajaran mandiri, pada model ini hasil yang diperoleh bergantung pada proses pembelajaran dan tidak dapat ditentukan. Tujuan dari pembelajaran ini adalah untuk mengelompokkan unit – unit yang hampir sama dalam suatu area tertentu.

Nah sekian penjelasan lanjutan mengenai jaringan saraf tiruan semoga bermanfaat.^^

Tinggalkan Komentar

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