Jaringan syaraf tiruan (Arificial Neural Nerwork) adalah sistem permroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa:
- Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).
- Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung.
- Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal.
- Untuk menentukan output, setiap neuron menggunakan fungsi aktifasi (biasanya bukan fungsi linear) yang dikenakan pada penjumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.
Jaringan Syaraf Tiruan ditentukan oleh 3 hal:
- Pola hubungan antar neuron (disebut arsitektur jaringan).
- Metode untuk menentukan bobot enghubung (disebut metode training atau learning atau algoritma).
- Fungsi aktifasi.
Sebagai contoh, perhatikan neuron Y pada gambar dibawah
Y menerima input dari neuron x1, x2 dan x3 dan Β dengan bobot hubungan masing-masing adalahΒ w1, w2 dan w3. Ketiga impuls neuron yang ada dijumlahkan
net = x1w1+x2w2+x3w3
Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot.
wah kalau biologi ane nggak terlalu paham mbak ida
Heheheh, saya juga masih belajar, Mas Opick. .. :senyum:
pusing ah idah malem2 belajar hehehe
Aku lagi suka belajar, Mom. π
saya pernah membaca tentang jaringan syaraf tiruan..dan ini sebagai dasar dari artificial intelligence π
Dan itu memang benar, Om.
Saya suka yang berbau AI ini. . :senyum:
wah, jadi ingat pas belajar AI mbak … π
pernah dapat materi ini ya, mas?
Hehe.. pastinya materi ini gak pernah kuterima waktu aku kuliah dulu π
Ehem. . .padahal sangat WAW lho, kak. . . :senyum:
selamat pagi mbak idah yg lagi galau dengan skripsi, wkwk
kaburrrrrrrrrrrrrrrrr
Tinggal nunggu ujian hooo. .. :melet:
nyimak aja Id…
monggo, mas. ..
kalau dibaca sekilas, semacam pembobotan proporsional sebagai input proses selanjutnya
Betul sekali, mas. . .
Untuk menghitung bobot sebagai masukan. . :senyum:
Terimakasih sudah berkunjung. . . ^_*
haduh,….
berat pembahasannya euy… lier… :pusing:
Waduh, jangan lier2 mas, jangan pusing juga eaaa. . π
.
.
.
.
Terimakasih sudah berkunjung. . . ^_*
Mbak..waktu itu adik kelas saya banyak yang jadikan judul ini sebagai Judul TA lho π
Sayangnya tempatku sudah jarang mas. .
Lebih banyak robotika, android dan fuzzy logic. . . :senyum:
Tapi di semester akhir dapat mata kuliah ini siii. .
Saya baru tahu ada jaringan syaraf tiruan, menarik sekali membaca informasi ini..
Semoga bermanfaat ya?
Terimakasih sudah berkunjung. . . ^_*
Contoh kasusnya dong…
Hehehe… dulu saya mbolos pas kuliah ANN & Fuzzy
Menghabiskan teori dulu ya, Om. π
Biologi dan Fisika, juga Matematika, tak lupa dengan Kimia. Semua menjadi 1 kesatuan tak terpisahkan.
Kalau kimia itu susah, apalagi fisika. . π
mohon maaf sebelum nya
saya sangat sulit memahami soal ini
Buat Perceptron dengan 2 masukan dan 2 keluaran sebagai berikut :
x1 x2 t1 t2
1 1 -1 1 bobot awal diambil 0, laju pemahaman = 1 dan threshold = 0.5
1 -1 -1 1
-1 1 -1 1
-1 -1 -1 1
mohon pencerahan nya, untuk contoh saya belajar, di email, trims
Penjelasannya sudah saya email ya. Terima Kasih sudah berkunjung. ^_*