• Aerospace
autopilot pesawat terbang, simulasi jalur penerbangan, sistem kendali pesawat, perbaikan
autopilot, simulasi komponen pesawat
• Otomotif : sistem kendali otomatis mobil
• Keuangan dan perbankan
pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar
saham
• Militer
Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali
sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ekstraksi
bagian istimewa, dan penghilangan derau, pengenalan sinyal atau citra.
• Elektronik
Pembuatan perangkat keras yang bisa mengimplementasikan JST secara efisien, machine
vision, pengontrol gerakan dan penglihatan robot, sintesis suara
• Broadcast : pencarian klip berita melalui pengenalan wajah
• Keamanan : JST digunakan untuk mengenali mobil dan mengenali wajah oknum
• Medis : analisis sel kanker
• Pengenalan suara : pengenalan percakapan, klasifikasi suara
• Pengenalan tulisan : pengenalan tulisan tangan, penerjemahan tulisan ke dalam tulisan latin
• Matematika : alat pemodelan masalah dimana bentuk eksplisit dari hubungan antara
variabel-variabel tertentu tidak diketahui
• Pengenalan benda bergerak
selain pola dari citra diam, JST juga bisa digunakan untuk mendeteksi citra bergerak dari
video seperti citra orang yang bergerak, dll.
• JST digunakan sebagai detektor virus komputer, penginderaan bau, dll
Senin, 14 Desember 2009
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
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
Jaringan Syaraf Tiruan
JST didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf manusia (JSB)
• JST tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human
cognition) yang didasarkan atas asumsi sebagai berikut :
1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron
2. Sinyal mengalir diantara sel saraf/neuron melalui suatu sambungan penghubung
3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan / mengalikan sinyal yang dikirim melaluinya.
4. Setiap sel syaraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan
berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya.
jaringan syaraf tiruan dapat belajar dari pengalaman, melakukan generalisasi atas contoh-contoh
yang diperolehnya dan mengabstraksi karakteristik esensial input bahkan untuk data yang tidak
relevan.
• Algoritma untuk JST beroperasi secara langsung dengan angka sehingga data yang tidak
numerik harus diubah menjadi data numerik.
• JST tidak diprogram untuk menghasilkan keluaran tertentu. Semua keluaran atau kesimpulan
yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses
pembelajaran. Pada proses pembelajaran, ke dalam JST dimasukkan pola-pola input (dan
output) lalu jaringan akan diajari untuk memberikan jawaban yang bisa diterima.
• Pada dasarnya karakteristik JST ditentukan oleh :
1. Pola hubungan antar neuron (disebut arsitektur jaringan)
2. Metode penentuan bobot-bobot sambungan (disebut dengan pelatihan atau proses belajar
jaringan)
3. Fungsi aktivasi
Fungsi Aktivasi
Output
Bobot
Output ke
neuron lain
• JST tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human
cognition) yang didasarkan atas asumsi sebagai berikut :
1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron
2. Sinyal mengalir diantara sel saraf/neuron melalui suatu sambungan penghubung
3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan / mengalikan sinyal yang dikirim melaluinya.
4. Setiap sel syaraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan
berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya.
jaringan syaraf tiruan dapat belajar dari pengalaman, melakukan generalisasi atas contoh-contoh
yang diperolehnya dan mengabstraksi karakteristik esensial input bahkan untuk data yang tidak
relevan.
• Algoritma untuk JST beroperasi secara langsung dengan angka sehingga data yang tidak
numerik harus diubah menjadi data numerik.
• JST tidak diprogram untuk menghasilkan keluaran tertentu. Semua keluaran atau kesimpulan
yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses
pembelajaran. Pada proses pembelajaran, ke dalam JST dimasukkan pola-pola input (dan
output) lalu jaringan akan diajari untuk memberikan jawaban yang bisa diterima.
• Pada dasarnya karakteristik JST ditentukan oleh :
1. Pola hubungan antar neuron (disebut arsitektur jaringan)
2. Metode penentuan bobot-bobot sambungan (disebut dengan pelatihan atau proses belajar
jaringan)
3. Fungsi aktivasi
Fungsi Aktivasi
Output
Bobot
Output ke
neuron lain
Langganan:
Postingan (Atom)