Jaringan Syaraf Tiruan

Definisi

  • Jaringan syaraf merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tsb.
  • Disebut buatan karena jaringan syaraf diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan.
  • Menurut Alexander dan Morton :
  • JST adalah prosesor tersebar paralel (paralel distributed processor) yang sangat besar yang memiliki kecenderungan untuk menyimpan pengetahuan yang bersifat pengalaman dan membuatnya siap untuk digunakan. JST menyerupai otak manusia dalam dua hal, yaitu:
    • Pengetahuan diperoleh jaringan melalui proses belajar.
    • Kekuatan hubungan antar sel syaraf (Neuron) yang dikenal sebagai bobot-bobot sinaptik digunakan untuk menyimpan pengetahuan.

Jaringan Syaraf Alami

  • Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memroses informasi.
  • Tiap sel bekerja seperti sebuah prosesor sederhana.
  • Masing-masing sel tsb berinteraksi sehingga mendukung kemampuan kerja otak manusia.

Jaringan Syaraf Tiruan

• JST mengambil prinsip kerja neuron biologis manusia.
• Analogi cara kerja JST sama dengan cara kerja jaringan syaraf alami.
• Suatu impuls input (x1, x2 dan x3) akan diteruskan dengan membawa nilai bobot tertentu (w1j, w2j, dan w3j). Semua sinyal input diproses dan dijumlahkan untuk menghasilkan nilai u.
• Hasil penjumlahan selanjutnya dibandingkan dengan nilai ambang melalui suatu fungsi transfer S(u). Neuron hanya akan menghasilkan output ketika input melewati suatu nilai ambang (threshold) tertentu.


Definisi

Jaringan syaraf tiruan dapat dimanfaatkan untuk:
  • Classification
  • Clustering
  • Forecasting
  • Pattern recognition
  • Signal processing

Komponen JST (1)

Meskipun terdapat berbagai tipe JST, pada umumnya seluruh tipe ini memiliki kompoenen yang sama.

No Komponen Arti
1 Neuron Unit pemrosesan informasi yang merupakan dasar dari operasi JST.
2 Input Informasi yang dikirim ke neuron dengan bobot kedatangan tertentu.
3 Bobot Sekumpulan sinapsis (jalur hubungan), dimana masing2 sinapsis memiliki bobot atau kekuatan hubungan.
4 Adder Fungsi perambatan yang menjumlahkan sinyal input yang telah diberi bobot oleh sinapsis neuron yang sesuai.
5 Fungsi Aktivasi Hasil penjumlahan akan dibandingkan dengan nilai ambang tertentu (threshold) melalui fungsi aktivasi. Apabila input tsb melewati nilai threshold, maka neuron diaktifkan, jika tidak maka neuron tidak akan aktif. Apabila neuron aktif, maka neuron akan mengirimkan output ke semua neuron yang berhubungan dengannya.

Komponen JST (2)

Struktur Neuron Jaringan Syaraf

Komponen JST (3)

• Pada jaringan syaraf, neuron dikumpulkan dalam lapisan yang disebut dengan lapisan neuron (neuron layers).
• Neuron pada suatu lapisan akan dihubungkan dengan lapisan sebelum dan sesudahnya (kecuali lapisan input dan lapisan output).
• Informasi akan dirambatkan lapisan ke lapisan, mulai dari lapisan input hingga lapisan output melalui lapisan lainnya yang disebut dengan lapisan tersembunyi (hidden layer).
• Informasi akan dirambatkan sesuai dengan algoritma pembelajarannya.

Komponen JST (4)

Jaringan Syaraf dengan 3 Lapisan


Arsitektur JST

• Faktor terpenting dalam menentukan kelakuan suatu neuron adalah fungsi aktivasi dan bobotnya.
• Pada setiap lapisan yang sama, neuron akan memiliki fungsi aktivasi yang sama.
• Jika neuron dalam suatu lapisan akan dihubungkan dengan neuron pada lapisan lain, maka setiap neuron pada lapisan itu juga harus dihubungkan dengan setiap neuron di lapisan lainnya.
• Arsitektur jaringan syaraf:
  • Jaringan dengan lapisan tunggal (single layer net)
  • Jaringan dengan banyak lapisan (multilayer net)
  • Jaringan dengan lapisan kompetitif (competitive layer net)
  1. Jaringan dengan lapisan tunggal (single layer net)

  2. Jaringan dengan banyak lapisan (multilayer net)

  3. Jaringan dengan lapisan kompetitif (competitive layer net)

Arsitektur JST

  • Fungsi aktivasi mendefinisikan nilai output dari suatu neuron dalam level aktivasi tertentu berdasarkan nilai output pengkombinasi linier ui.
  • Fungsi aktivasi yang sering digunakan pada JST:
    • Fungsi undak biner

    • Fungsi linear

    • Fungsi sigmoid biner

    • Fungsi sigmoid bipolar

Proses Pembelajaran

  • Definisi belajar menurut JST:
    Belajar adalah suatu proses dimana parameter-parameter bebas JST diadaptasikan melalui suatu proses perangsangan berkelanjutan oleh lingkungan dimana jaringan berada. Jenis belajar ditentukan oleh pola dimana pengubahan parameter dilakukan.
  • Sehingga dalam proses belajar terdapat kejadian sbb.:
    • JST dirangsang oleh lingkungan.
    • JST mengubah dirinya sebagai hasil rangsangan ini.
    • JST memberikan respon dengan cara yang baru kepada lingkungan, disebabkan perubahan yang terjadi dalam struktur internalnya sendiri.
  • Taksonomi proses belajar

  • Jenis proses pembelajaran:
    • Pembelajaran terawasi (supervised learning)
    • Pembelajaran tidak terawasi (unsupervised learning)

Proses Pembelajaran - dengan Pengawasan

  • Sering disebut juga dengan active learning.
  • Proses pembelajaran memerlukan "guru".
  • Dikatakan terawasi jika output yang diharapkan telah diketahui sebelumnya.
  • Metode supervised-learning:
    • Hebbian
    • Perceptron
    • ADALINE
    • Boltzman
    • Hopfield
    • Backpropagation

Proses Pembelajaran - tanpa Pengawasan

  • Sering disebut juga dengan self-organized learning.
  • Tidak ada sekumpulan input-output atau fungsi tertentu untuk dipelajari oleh jaringan.
  • Metode unsupervised learning:
    • Competitive
    • Hebbian
    • Kohonen
    • Learning Vector Quantization (LVQ)
    • Neocognitron




Sumber : STMIK PalComTech

No comments:

Post a Comment

Bekomentarlah yang sopan agar hidup kita disopankan orang. Berbahasa Indonesialah yang baik dan benar

JARINGAN KOMPUTER DASAR

PENGANTAR DAN KONSEP KOMUNIKASI JARINGAN KOMPUTER Sejarah Jaringan komputer Internet => ARPANET => Departemen Pertahanan AS (19...