ppt neuralnet
TRANSCRIPT
Kecerdasan Buatan
Afif AsharElly FatmawatiFebriano A.R.Husein A.R.Sabilah Faza
Jaringan Syaraf Tiruan
Kelompok 3
Jaringan Syaraf Tiruan?
Jaringan dari sekelompok unit pemroses kecil sebagai paradigma pemrosesan suatu informasi yang terinspirasi dan dimodelkan berdasarkan jaringan syaraf manusia / jaringan syaraf biologis (JSB). JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.
Definisi
Komponen
Arsitektur
Fungsi Aktivasi
Proses Pembelajaran
Kelompok 3
Seperti halnya otak manusia, jaringan syaraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron–neuron tersebut.
Neuron–neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron–neuron yang lain.
Pada jaringan saraf, hubungan ini dikenal dengan nama bobot.
Informasi tersebut disimpan pada nilai tertentu pada bobot tersebut
Komponen JST
Definisi
Komponen
Arsitektur
Fungsi Aktivasi
Proses Pembelajaran
Kelompok 3
• 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.
• Seberapa besar hubungan antara 2 neuron ditentukan oleh bobot yang bersesuaian.
• Semua unit input akan dihubungkan dengan setiap unit output.
Jaringan dengan lapisan tunggal (single layer net)
Definisi
Komponen
Arsitektur
Fungsi Aktivasi
Proses Pembelajaran
Kelompok 3 Jaringan dengan banyak lapisan (multilayer net)
• Jaringan ini memiliki satu atau lebih lapisan yang terletak diantara lapisan input dan lapisan outputnya (memiliki satu atau lebih lapisan tersembunyi).
• Ada lapisan yang berbobot terletak antara 2 lapisan yang bersebelahan.
• Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit dari pada jaringan dengan lapisan tunggal, tetapi pembelajarannya lebih rumit. Jaringan ini pada banyak kasus lebih sukses dalam menyelesaikan masalah.
Kelompok 3
Definisi
Komponen
Arsitektur
Fungsi Aktivasi
Proses Pembelajaran
Jaringan dengan lapisan kompetitif (competitive layer net)
• Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif.
• Hubungan antar neuron pada lapisan kompetitif tidak diperlihatkan pada diagram arsitektur
Undak Biner (Threshold)
Undak Biner (Hard Limit)
Symetric Hard Limit (Bipolar)
Bipolar (dengan Threshold)
Linear (Identity)
Saturating Linear
Symetric Saturating Linear
Sigmoid Biner
Sigmoid Bipolar
Fungsi
Aktivasi
Kelompok 3
Definisi
Komponen
Arsitektur
Fungsi Aktivasi
Proses Pembelajaran
Proses Pembelajaran
Proses memberikan pasangan input dan output pada sistem Jaringan Syaraf Tiruan (Neural network). Umumnya, jika menggunakan Jaringan Syaraf Tiruan (Neural network), hubungan antara input dan output harus diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapat dibuat suatu model. Hal lain yang penting adalah proses belajar hubungan input/output dilakukan dengan pembelajaran.
Supervised Learning (Pembelajaran Terawasi)
Unsupervised Learning (Pembelajaran Tidak Terawasi)
Metode ini digunakan jika output yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran dilakukan dengan menggunakan data yang telah ada. Pada metode pembelajaran tak terawasi ini tidak memerlukan target output. Tujuan metode ini adalah pengelompokan unit-unit yang hampir sama dalam suatu area tertentu.
Karakteristik Supervised Learning
Output telah diketahui sebelumnya
Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya.
Satu pola input akan diberikan ke satu neuron pada lapisan input
Apabila terjadi perbedaan antara output hasil pembelajaran dengan pola target, maka disini akan muncul error
Pola dirambatkan disepanjang jaringan saraf hingga sampai ke neuron pada lapisan output
Apabila error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi
Karakteristik Unsupervised Learning
Tidak memerlukan target output.
Tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan.
Tujuan pembelajaran ini adalah mengelompokkan unit–unit yang hampir sama dalam suatu area tertentu. Pembelajaran ini biasanya sangat cocok untuk pengelompokan (klasifikasi) pola.
References• http://elektronika-dasar.web.id/teori-elektronika/jaringan-syara
f-tiruan-neural-network/• https://www.academia.edu/5559323/11-Jaringan-Syaraf-Tiruan • http://ulfarieanti-fst10.web.unair.ac.id/artikel_detail-76060-Sist
em%20Cerdas-Jaringan%20Syaraf%20Tiruan%20(Metode%20Aktivasi).html
• http://andika-fst10.web.unair.ac.id/artikel_detail-76048-Umum-aPelatihan%20Neural%20Network.html
• http://elektronika-dasar.web.id/teori-elektronika/proses-pembelajaran-jaringan-syaraf-tiruan-neural-network/