Monday, August 29, 2016

Artificial Neural Networks

Artificial Neural Networks


berikut ulasan singkat mengenai artificial neural network (jaringan saraf tiruan):

Pengertian

Jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. (wikipedia)

“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”(Zurada J. M).

Secara prinsip jaringan saraf tiruan dapat melakukan komputasi terhadap semua fungsi yang dapat terhitung (computable function). Jaringan saraf tiruan dapat melakukan apa yang dapat dilakukan oleh komputer digital normal.

Dalam prakteknya, jaringan saraf tiruan terutama sangat berguna bagi klasifikasi dan permasalahan-permasalahan yang dapat mentolerir ketidaktepatan, yang memiliki banyak data pelatihan, namun memiliki aturan-aturannya yang tidak dapat diaplikasikan secara mudah.
http://tedi.heriyanto.net/papers/jst.htm

Jaringan syaraf tiruan tersusun atas beberapa element pemroses, yaitu: neuron, unit, sel atau node, yang saling terhubung dalam bentuk directed graph melalui jalur sinyal searah yang disebut dengan koneksi. Dalam jaringan syaraf, struktur pengolahan informasi akan mengikuti bentuk grafik terarah dengan beberapa definisi sebagai berikut:
  1. Node pada graph disebut dengan elemen pemroses (processing element).
  2. Link pada graph disebut dengan koneksi.
  3. Setiap PE dapat menerima sejumlah input.
  4. Setiap elemen pemroses dapat memiliki beberapa output.
  5. Setiap elemen pemroses memiliki memori local.
  6. Setiap elemen pemroses memiliki fungsi transfer (transfer function) yang dapat menggunakan dan mengubah isi memori local, memakai sinyal output dari processing element.
  7. Sinyal dari input dari luar system saraf tiruan yang menuju system tersebuut datang dari hubungan-hubungan yang berasal dari dunia luar system.
http://angkringan.or.id/page.php?id=643


Contoh Algoritma
  1. inisialisasi parameter jaringan: pembobot dan bias
  2. tentukan nilai parameter JST
  3. pengujian selisih nilai antara pembimbing dengan keluaran pengontrol(error). Bila error cukup kecil(terpenuhi), lanjutkan ke langkah 4. bila error belum terpenuhi, update parameter JST (langkah ke 2)
  4. hitung perbaruan nilai parameter jaringan saraf tiruan
  5. hitung keluaran dari jaringan saraf tiruan
http://k12008.widyagama.ac.id/ai/diktatpdf/BabIII_Jaringan_Syaraf_Tiruan.pdf

Jenis

Terdapat dua tipe algoritma dalam Jaringan Syaraf Tiruan, yaitu : (Kusumadewi, 2003)

Terawasi (supervised learning)
Metode pada jaringan syaraf disebut terawasi jika output yang diharapkan telah
diketahui sebelumnya. Pada proses pembelajaran, satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola target, maka disini akan muncul error. Apabila nilai error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi.Terdapat berbagai tipe pembelajaran terawasi beberapa diantaranya Hebb Rule, Perceptron, Delta Rule, Backpropagation.

Unsupervised Learning (Jaringan Kohonen)
Pada jaringan ini, suatu lapisan yang berisi neuron-neuron akan menyusun dirinya sendiri berdasarkan input nilai tertentu dalam suatu kelompok yang dikenal dengan istilah cluster. Selam proses penyusunan diri, cluster yang memiliki vector bobot paling cocok dengan pola input (memiliki jarak yang paling dekat) akan terpilih sebagai pemenang. Neuron yan menjadi pemenang beserta neuron-neuraon tetangganya akan memperbaiki bobot-bobotnya.
http://one.indoskripsi.com/judul-skripsi-makalah-tentang/algoritma-jaringan-syaraf-tiruan

Kelebihan dan Kekurangan
Advantages:
  1. A neural network can perform tasks that a linear program can not.
  2. When an element of the neural network fails, it can continue without any problem by their parallel nature.
  3. A neural network learns and does not need to be reprogrammed.
  4. It can be implemented in any application.
  5. It can be implemented without any problem.

Disadvantages:
  1. The neural network needs training to operate.
  2. The architecture of a neural network is different from the architecture of microprocessors therefore needs to be emulated.
  3. Requires high processing time for large neural networks.
http://www.learnartificialneuralnetworks.com/

Diimplementasikan pada:
Robot Control
Speech Recognition
Stock Market Prediction
Pengenalan pola
System control
Diagnosa suatu penyakit
Segmentasi

http://angkringan.or.id/page.php?id=643

Available link for download