Pembuatan struktur jaringan sar af tiruan diilhami oleh struktur jaringan
biologi, khususnya jaringan otak manusia. Untuk lebih mengenal asal-usul serta
bagaimana suatu struktur jaringan saraf tiruan dibuat dan dapat dipakai sebagai suatu
alat penghitung, berikut ini akan diulas sedikit istilah yang secara umum digunakan.
Neuron adalah satuan unit pemroses terkecil pada otak, bentuk sederhana
sebuah neuron yang oleh para ahli dianggap sebagai satuan unit pemroses tersebut.
Tiruan neuron dalam struktur jaringan saraf tiruan adalah sebagai elemen
pemroses seperti pada gambar 8.2 yang dapat berfungsi seperti halnya sebuah
neuron. Sejumlah sinyal masukan a dikalikan dengan masing-masing penimbang
yang bersesuaian w. Kemudian dilakukan penjumlahan dari seluruh hasil perkalian
tersebut dan keluaran yang dihasilkan dilalukan kedalam fungsi pengaktip untuk
mendapatkan tingkatan derajad sinyal keluarannya F(a,w). Walaupun masih jauh dari
sempurna, namun kinerja dari tiruan neuron ini identik dengan kinerja dari sel
biologi yang kita kenal saat ini.
Istilah Istilah Dalam Jaringan Syaraf Tiruan
1. Struktur feedforward
Sebuah jaringan yang sederhana mempunyai struktur feedforward dimana signal
bergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unit
output (mempunyai struktur perilaku yang stabil).
Tipe jaringan feedforward mempunyai sel syaraf yang tersusun dari beberapa
lapisan. Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya memberi
pelayanan dengan mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi dan
lapisan output sel syaraf terhubung satu sama lain dengan lapisan sebelumnya.
Kemungkinan yang timbul adalah adanya hubungan dengan beberapa unit dari lapisan
sebelumnya atau terhubung semuanya (lebih baik).
Yang termasuk dalam struktur feedforward :
- Single-layer perceptron
- Multilayer perceptron
- Radial-basis function networks
- Higher-order networks
- Polynomial learning networks
2. Struktur recurrent (feedback)
Jika suatu jaringan berulang (mempunyai koneksi kembali dari output ke input)
akan menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangat
kompleks. Jaringan yang berulang sangat menarik untuk diteliti dalam Jaringan Syaraf
Tiruan, namun sejauh ini structure feedforward sangat berguna untuk memecahkan
masalah. Yang termasuk dalam stuktur recurrent (feedback) :
- Competitive networks
- Self-organizing maps
- Hopfield networks
- Adaptive-resonanse theory models
3.. Lapisan pada Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan yaitu unit-unit :
lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung
dengan lapisan output.
Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian
digunakan dalam Jaringan Syaraf Tiruan.
Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit
input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan
tersembunyi
. Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan
tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output
4. Perceptron
Perceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yang
sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola
tertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnya
perceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan
suatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengatur
parameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuat
sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif.
Tidak ada komentar:
Posting Komentar