Arsitektur Jaringan Syaraf Tiruan

Pada JST, neuron-neuron akan dikumpulkan dalam lapisan-lapisan (layer) yang disebut dengan
lapisan neuron (neuron layers).
• Neuron-neuron pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelum dan
sesudahnya.
• Informasi yang diberikan pada jaringan syaraf akan dirambatkan lapisan ke lapisan, mulai dari
lapisan input sampai ke lapisan output melalui lapisan tersembunyi (hidden layer).
• Gambar berikut ini jaringan syaraf dengan 3 lapisan dan bukanlah struktur umum jaringan
syaraf karena beberapa jaringan syaraf ada yang tidak memiliki lapisan tersembunyi.
• Faktor terpenting dalam menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya.
• Umumnya neuron-neuron yang terletak pada lapisan yang sama akan memiliki keadaan yang sama sehingga pada setiap lapisan yang sama neuron-neuron memiliki fungsi aktivasi yang sama.
•Bila neuron-neuron pada suatu lapisan (misal lapisan tersembunyi) akan dihubungkan dengan
neuron-neuron pada lapisan lain (misal lapisan output) maka setiap neuron pada lapisan tersebut (lapisan tersembunyi) juga harus dihubungkan dengan setiap neuron pada lapisan lainnya (lapisan output)


Jenis Arsitektur JST ada 3
1. Jaringan dengan lapisan tunggal (single layer net)
Hanya memiliki 1 lapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerima input
kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan
tersembunyi. Pada gambar berikut neuron-neuron pada kedua lapisan saling berhubungan.
Seberapa besar hubungan antara 2 neuron ditentukan oleh bobot yang bersesuaian. Semua
unit input akan dihubungkan dengan setiap unit output.
2. Jaringan dengan banyak lapisan (multilayer net)
Memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output.
Umumnya ada lapisan bobot-bobot yang terletak antara 2 lapisan yang bersebelahan.
Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit
daripada lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit. Pada banyak
kasus, pembelajaran pada jaringan dengan banyak lapisan ini lebih sukses dalam
menyelesaikan masalah.
3. Jaringan dengan lapisan kompetitif (competitive layer net)
Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif.
Umumnya hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada
diagram arsitektur. Gambar berikut menunjukkan salah satu contoh arsitektur jaringan
dengan lapisan kompetitif yang memiliki bobot -η